Lumaktaw sa nilalaman

MiniMax Speech 2.6 [HD]

I-integrate

ID ng modelo minimax/speech-2.6-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-2.6-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# 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"

Kahilingang ito: $0.005 5 kredito ng API Patakbuhin ito sa page na ito

Kumuha ng API key
MiniMax · audio

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan 50 / 10000

Text ng speech input, kung saan ang mga bagong linya ay naghihiwalay ng mga talata at ang mga opsyonal na marker na `<#x#>` ay kumokontrol sa mga pause. Ilagay lamang ang mga marker sa pagitan ng mga segment na bibigkasin, at huwag magkakasunod; tinutukoy ng `x` ang pause sa segundo sa loob ng `[0.01, 99.99]`, na hanggang dalawang decimal place lamang.

advanced output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict · normalization_setting
output_format default na hex

Format ng output content; para lamang sa mga hindi streaming na response.

Pinapahusay ang recognition para sa mga piniling wika at dialect.

default na {"english_normalizati...

Mga setting para i-configure ang voice.

Mga setting para sa pag-configure ng audio.

Custom na diksyunaryo ng mga pagbigkas na ginagamit upang palitan ang text.

Mga setting na kumokontrol sa normalization ng lakas ng audio.

POST /run/minimax/speech-2.6-hd?wait=20 presyo → $0.005
# 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-2.6-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# 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"

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa MiniMax Speech 2.6 [HD]

Binibigkas nito ang teksto na ibinigay sa `prompt` (hanggang 10000 character), kung saan tinutukoy ng mga newline ang pagitan ng paragraph at ipinapasok ang custom pause gamit ang `<#x#>` marker. Bukod sa `voice_setting`, `audio_setting`, `language_boost` (38 option) at `pronunciation_dict`, idinaragdag nito ang `normalization_setting` para sa kontrol ng loudness. Ang output ay audio kasama ang duration nito sa milliseconds.

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Maaaring luwagan ang screening sa pamamagitan ng pagtatakda ng false, kung awtorisado ang tumatawag.
promptkinakailangan
Uristring
≤ 10,000 character
Text ng speech input, kung saan ang mga bagong linya ay naghihiwalay ng mga talata at ang mga opsyonal na marker na `<#x#>` ay kumokontrol sa mga pause. Ilagay lamang ang mga marker sa pagitan ng mga segment na bibigkasin, at huwag magkakasunod; tinutukoy ng `x` ang pause sa segundo sa loob ng `[0.01, 99.99]`, na hanggang dalawang decimal place lamang.
voice_settingopsyonal
Uriobject
default{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Mga setting para i-configure ang voice.
voice_setting.voice_idopsyonal
Uristring
defaultWise_Woman
≥ 1 characters
Paunang itinakdang voice identifier na ginagamit para sa speech synthesis.
voice_setting.speedopsyonal
Urinumber
default1
0.5 – 2
Bilis ng pagsasalita, mula 0.5 hanggang 2.0.
voice_setting.volopsyonal
Urinumber
default1
0.01 – 10
Volume ng output, mula 0 hanggang 10.
voice_setting.pitchopsyonal
Uriinteger
default0
-12 – 12
Pitch ng voice, mula -12 hanggang 12.
voice_setting.emotionopsyonal
Urienum
happysadangryfearfuldisgustedsurprisedneutral
Emosyonal na tono ng synthesized speech.
voice_setting.english_normalizationopsyonal
Uriboolean
defaultfalse
Opsyon sa English text normalization na ipinagpapalit ang kaunting karagdagang latency para sa mas mahusay na pagbasa ng mga numero.
audio_settingopsyonal
Uriobject
Mga setting para sa pag-configure ng audio.
audio_setting.sample_rateopsyonal
Urienum
default32000
80001600022050240003200044100
Sampling rate para sa nabuong audio.
audio_setting.bitrateopsyonal
Urienum
default128000
3200064000128000256000
Bitrate para sa nabuong audio.
audio_setting.formatopsyonal
Urienum
defaultmp3
mp3pcmflac
Format para sa audio.
audio_setting.channelopsyonal
Urienum
default1
12
Bilang ng audio channel: 1 para sa mono o 2 para sa stereo.
language_boostopsyonal
Urienum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 paKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Pinapahusay ang recognition para sa mga piniling wika at dialect.
output_formatopsyonal
Urienum
defaulthex
urlhex
Format ng output content; para lamang sa mga hindi streaming na response.
pronunciation_dictopsyonal
Uriobject
Custom na diksyunaryo ng mga pagbigkas na ginagamit upang palitan ang text.
pronunciation_dict.tone_listopsyonal
Uristring[]
Listahan ng pagpapalit ng pagbigkas gamit ang syntax na ['text/(pronunciation)', ...], halimbawa ['燕少飞/(yan4)(shao3)(fei1)']. Ang mga Chinese tone number ay mula 1 hanggang 5.
normalization_settingopsyonal
Uriobject
Mga setting na kumokontrol sa normalization ng lakas ng audio.
normalization_setting.enabledopsyonal
Uriboolean
defaulttrue
Pinapagana ang normalization ng lakas ng audio.
normalization_setting.target_loudnessopsyonal
Urinumber
default-18
-70 – -10
Ninanais na lakas ng audio, sinusukat sa LUFS; default na -18.0.
normalization_setting.target_rangeopsyonal
Urinumber
default8
0 – 20
Ninanais na saklaw ng lakas, sinusukat sa LU; default na 8.0.
normalization_setting.target_peakopsyonal
Urinumber
default-0.5
-3 – 0
Ninanais na peak level, sinusukat sa dBTP; default na -0.5.
kinakailangan

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.6-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": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "prompt": "Hello from Doitong. This is a short test sentence."
  },
  "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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
audio
object {url, content_type, file_name, file_size}Audio file na ginawa sa pagbuo.
duration_ms
integerHaba ng audio, sinusukat sa milliseconds.

Higit pang modelo: Text patungong Speech

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/minimax/speech-2.6-hd.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt