Lumaktaw sa nilalaman

MiniMax Voice Cloning

I-integrate

ID ng modelo minimax/voice-clone
# 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/voice-clone?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Mga file na katulad ng halimbawa: $1.52 1,520 kredito ng API sinusukat ang iyong mga file bago patakbuhin Patakbuhin ito sa page na ito

Kumuha ng API key
MiniMax Text patungong Speech #speech

Kino-clone ang boses mula sa sample recording at nagbabalik ng magagamit na voice ID kasama ang opsyonal na preview clip

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.

0 / 1000

Opsyonal na text para bumuo ng preview gamit ang cloned voice.

•kinakailangan audio_url
Mag-drop ng file, o

URL na tumuturo sa recording para sa voice cloning. Nagiging permanent ang isang boses pagkatapos ng unang paggamit nito sa isang text-to-speech (TTS) route, na dapat mangyari sa loob ng 7 araw upang maiwasan ang awtomatikong pagtanggal; dapat ay hindi bababa sa 10 segundo ang source recording.

advanced model · accuracy · enable_safety_checker · noise_reduction · need_volume_normalization
model default na speech-02-hd

Modelo ng speech synthesis para sa preview: speech-02-hd, speech-02-turbo, speech-01-hd, o speech-01-turbo.

Accuracy threshold para sa text validation, mula 0 hanggang 1.

POST /run/minimax/voice-clone?wait=20 presyo → $1.52
# 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/voice-clone?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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 Voice Cloning

Tumatanggap ng sample na `audio_url`, na dapat hindi bababa sa 10 segundo, at gumagawa ng custom voice. Kasama sa response ang `custom_voice_id` para sa susunod na paggamit sa TTS. Binibigkas ang preview mula sa `text` (hanggang 1000 character) gamit ang `model` na maaaring speech-02-hd, speech-02-turbo, speech-01-hd o speech-01-turbo. Kasama sa mga opsyon ang `noise_reduction` at `need_volume_normalization`.

Mga parameter

Ipadala ang canonical na pangalan o ang native na pangalan, hindi pareho. Mga canonical na pangalan

PangalanUri defaultPinapayagan Paglalarawan
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Maaaring luwagan ang screening sa pamamagitan ng pagtatakda ng false, kung awtorisado ang tumatawag.
audio_urlkinakailangan audio
Uriurl · audio
URL na tumuturo sa recording para sa voice cloning. Nagiging permanent ang isang boses pagkatapos ng unang paggamit nito sa isang text-to-speech (TTS) route, na dapat mangyari sa loob ng 7 araw upang maiwasan ang awtomatikong pagtanggal; dapat ay hindi bababa sa 10 segundo ang source recording.
noise_reductionopsyonal
Uriboolean
defaultfalse
Naglalapat ng noise reduction sa cloned voice.
need_volume_normalizationopsyonal
Uriboolean
defaultfalse
Naglalapat ng volume normalization sa cloned voice.
accuracyopsyonal
Urinumber | null
0 – 1
Accuracy threshold para sa text validation, mula 0 hanggang 1.
textopsyonal
Uristring | null
defaultHello, this is a preview of your cloned voice! I hope you like it!
≤ 1,000 character
Opsyonal na text para bumuo ng preview gamit ang cloned voice.
modelopsyonal
Urienum
defaultspeech-02-hd
speech-02-hdspeech-02-turbospeech-01-hdspeech-01-turbo
Modelo ng speech synthesis para sa preview: speech-02-hd, speech-02-turbo, speech-01-hd, o speech-01-turbo.
kinakailangan Canonical na pangalan, tinatanggap din

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/voice-clone",
  "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": 1520,
    "usd": "1.52",
    "charged": 1520,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "custom_voice_id": "string",
    "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
    }
  },
  "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
custom_voice_id
stringIdentifier para gamitin ang cloned voice sa TTS.
audio
object {url, content_type, file_name, file_size} | nullAudio preview na binuo gamit ang cloned voice, kapag hiniling.

Higit pang modelo: Text patungong Speech

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