Ir al contenido

MiniMax Speech 2.8 HD

Integrar

Id del modelo minimax/speech-2.8-hd
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/minimax/speech-2.8-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Welcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Esta solicitud: 0,019 $ 19 créditos de API Ejecutar en esta página

Obtener clave de API
MiniMax Texto a voz #voiceover#multilingual#hd

Texto a voz de alta definición de MiniMax en más de 30 idiomas, con control de pausas, emoción y pronunciación.

Ejemplos

Salida · ~10 s

IndicaciónWelcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view.

0,019 $ · 19 créditos de API

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio 182 / 10000

Texto para la síntesis de voz, con pausas especificadas por `<#x#>`, donde x va de 0.01 a 99.99 segundos. Las etiquetas de interjección disponibles son `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` y `(yawns)`.

Avanzado output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
output_format predeterminado hex

Formato del contenido de salida; se aplica solo a respuestas no transmitidas.

Mejora el reconocimiento de los idiomas y dialectos seleccionados.

predeterminado {"english_normalizati...

Configuración para configurar la voz.

Configuración para configurar el audio.

Diccionario personalizado de pronunciaciones usado para reemplazar texto.

Configuración que controla la normalización del volumen del audio.

Configuración para modificar el tono, la intensidad y el timbre de la voz.

POST /run/minimax/speech-2.8-hd?wait=20 cotización → 0,019 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/minimax/speech-2.8-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Welcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de MiniMax Speech 2.8 HD

MiniMax Speech 2.8 HD vocaliza texto en más de 30 idiomas con control preciso: marcadores de pausa en línea, velocidad, tono y volumen de la voz, diccionarios de pronunciación personalizados y efectos de voz. Elige entre las voces integradas, así como la frecuencia de muestreo y el formato de salida.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
promptobligatorio
Tipostring
≤ 10.000 caracteres
Texto para la síntesis de voz, con pausas especificadas por `<#x#>`, donde x va de 0.01 a 99.99 segundos. Las etiquetas de interjección disponibles son `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` y `(yawns)`.
voice_settingopcional
Tipoobject
Predeterminado{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Configuración para configurar la voz.
voice_setting.voice_idopcional
Tipostring
PredeterminadoWise_Woman
≥ 1 characters
Identificador de voz predefinida utilizado para la síntesis de voz.
voice_setting.speedopcional
Tiponumber
Predeterminado1
0,5 – 2
Velocidad del habla, de 0.5 a 2.0.
voice_setting.volopcional
Tiponumber
Predeterminado1
0,01 – 10
Volumen de salida, de 0 a 10.
voice_setting.pitchopcional
Tipointeger
Predeterminado0
-12 – 12
Tono de la voz, de -12 a 12.
voice_setting.emotionopcional
Tipoenum
happysadangryfearfuldisgustedsurprisedneutral
Tono emocional del habla sintetizada.
voice_setting.english_normalizationopcional
Tipoboolean
Predeterminadofalse
Opción de normalización de texto en inglés que intercambia una pequeña latencia adicional por una mejor lectura de los números.
audio_settingopcional
Tipoobject
Configuración para configurar el audio.
audio_setting.sample_rateopcional
Tipoenum
Predeterminado32000
80001600022050240003200044100
Frecuencia de muestreo del audio generado.
audio_setting.bitrateopcional
Tipoenum
Predeterminado128000
3200064000128000256000
Tasa de bits del audio generado.
audio_setting.formatopcional
Tipoenum
Predeterminadomp3
mp3pcmflac
Formato del audio.
audio_setting.channelopcional
Tipoenum
Predeterminado1
12
Cantidad de canales de audio: 1 para mono o 2 para estéreo.
language_boostopcional
Tipoenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 másKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Mejora el reconocimiento de los idiomas y dialectos seleccionados.
output_formatopcional
Tipoenum
Predeterminadohex
urlhex
Formato del contenido de salida; se aplica solo a respuestas no transmitidas.
pronunciation_dictopcional
Tipoobject
Diccionario personalizado de pronunciaciones usado para reemplazar texto.
pronunciation_dict.tone_listopcional
Tipostring[]
Lista de reemplazos de pronunciación con la sintaxis ['text/(pronunciation)', ...], por ejemplo ['燕少飞/(yan4)(shao3)(fei1)']. Los números de tono chino van del 1 al 5.
normalization_settingopcional
Tipoobject
Configuración que controla la normalización del volumen del audio.
normalization_setting.enabledopcional
Tipoboolean
Predeterminadotrue
Activa la normalización del volumen del audio.
normalization_setting.target_loudnessopcional
Tiponumber
Predeterminado-18
-70 – -10
Volumen deseado, medido en LUFS; el valor predeterminado es -18.0.
normalization_setting.target_rangeopcional
Tiponumber
Predeterminado8
0 – 20
Rango de volumen deseado, medido en LU; el valor predeterminado es 8.0.
normalization_setting.target_peakopcional
Tiponumber
Predeterminado-0.5
-3 – 0
Nivel máximo deseado, medido en dBTP; el valor predeterminado es -0.5.
voice_modifyopcional
Tipoobject
Configuración para modificar el tono, la intensidad y el timbre de la voz.
voice_modify.pitchopcional
Tipointeger
Predeterminado0
-100 – 100
Control del tono medido en semitonos: usa un valor negativo para bajar la voz o uno positivo para subirla. Los valores permitidos van de -100 a 100.
voice_modify.intensityopcional
Tipointeger
Predeterminado0
-100 – 100
Control de la energía vocal que hace el habla más enérgica al aumentar el valor. Su rango permitido es de -100 a 100.
voice_modify.timbreopcional
Tipointeger
Predeterminado0
-100 – 100
Ajuste del timbre de la voz de -100 a 100, que controla su carácter tonal.
obligatorio

Salida

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.8-hd",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 19,
    "usd": "0.019",
    "charged": 19,
    "refunded": 0
  },
  "input": {
    "prompt": "Hello! Welcome to our new studio. <#0.5#> Let's make something wonderful today."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "duration_ms": 1
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size}Archivo de audio producido por la generación.
duration_ms
integerDuración del audio, medida en milisegundos.

Más modelos: Texto a voz

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/minimax/speech-2.8-hd.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt