Leum chun t-susbaint

MiniMax Speech 2.8 HD

Amalaich

ID a’ mhodail 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"

An t-iarrtas seo: $0.019 19 creideasan API Ruith e air an duilleig seo

Faigh iuchair API
MiniMax Teacsa gu Òraid #voiceover#multilingual#hd

Ro-sgrìobhadh cainnte àrd-mhìneachaidh MiniMax ann an 30+ cànan le stadan, faireachdainn agus smachd fuaimneachaidh.

Eisimpleirean

Toradh · ~10 s

PromptWelcome 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 creideasan API

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach 182 / 10000

Teacsa airson co-chur cainnte, le stadan air an sònrachadh le `<#x#>` far a bheil x eadar 0.01 agus 99.99 diogan. Is iad na tagaichean eadar-theachd a tha rim faighinn `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, agus `(yawns)`.

Adhartach output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
output_format bun-roghainn hex

Cruth susbaint às-chuir; chan eil seo a’ buntainn ach ri freagairtean nach eil a’ sruthadh.

A’ leasachadh aithneachaidh airson nan cànanan agus nan dualchainntean a chaidh a thaghadh.

bun-roghainn {"english_normalizati...

Roghainnean airson an guth a rèiteachadh.

Roghainnean airson claisneachd a rèiteachadh.

Faclair gnàthaichte de fhuaimneachaidhean a thèid a chleachdadh gus teacsa a chur nan àite.

Roghainnean a bhios a’ riaghladh gnàthachadh àirde na claisneachd.

Roghainnean airson pitch, dian agus timbre na guth atharrachadh.

POST /run/minimax/speech-2.8-hd?wait=20 tuairmse → $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"

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu MiniMax Speech 2.8 HD

Bidh guthan MiniMax Speech 2.8 HD a’ bruidhinn teacsa ann an còrr is 30 cànan le smachd mionaideach: comharran stad taobh a-staigh na loidhne, astar gutha, àirde agus leud, faclairean fuaimneachaidh gnàthaichte agus buaidhean gutha. Tagh bho na guthan togte agus ìre shampallachaidh is fòrmat an toraidh.

Paramadairean

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
promptriatanach
Seòrsastring
≤ 10,000 caractar
Teacsa airson co-chur cainnte, le stadan air an sònrachadh le `<#x#>` far a bheil x eadar 0.01 agus 99.99 diogan. Is iad na tagaichean eadar-theachd a tha rim faighinn `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, agus `(yawns)`.
voice_settingroghainneil
Seòrsaobject
Bun-roghainn{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Roghainnean airson an guth a rèiteachadh.
voice_setting.voice_idroghainneil
Seòrsastring
Bun-roghainnWise_Woman
≥ 1 characters
Aithniche guth ro-mhìnichte air a chleachdadh airson co-chur cainnte.
voice_setting.speedroghainneil
Seòrsanumber
Bun-roghainn1
0.5 – 2
Ìre labhairt, bho 0.5 gu 2.0.
voice_setting.volroghainneil
Seòrsanumber
Bun-roghainn1
0.01 – 10
Meud an às-chuir, bho 0 gu 10.
voice_setting.pitchroghainneil
Seòrsainteger
Bun-roghainn0
-12 – 12
Pitch a’ ghutha, bho -12 gu 12.
voice_setting.emotionroghainneil
Seòrsaenum
happysadangryfearfuldisgustedsurprisedneutral
Tòn fhaireachdainneil na cainnte a chaidh a cho-chur.
voice_setting.english_normalizationroghainneil
Seòrsaboolean
Bun-roghainnfalse
Roghainn àbhaisteachaidh teacsa Beurla a nì malairt eadar beagan latency a bharrachd agus leughadh nas fheàrr de dh’àireamhan.
audio_settingroghainneil
Seòrsaobject
Roghainnean airson claisneachd a rèiteachadh.
audio_setting.sample_rateroghainneil
Seòrsaenum
Bun-roghainn32000
80001600022050240003200044100
Ìre-samplachaidh na claisneachd gineadh.
audio_setting.bitrateroghainneil
Seòrsaenum
Bun-roghainn128000
3200064000128000256000
Bitrate na claisneachd gineadh.
audio_setting.formatroghainneil
Seòrsaenum
Bun-roghainnmp3
mp3pcmflac
Cruth na claisneachd.
audio_setting.channelroghainneil
Seòrsaenum
Bun-roghainn1
12
Àireamh sheanalan claisneachd: 1 airson mono no 2 airson stereo.
language_boostroghainneil
Seòrsaenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 eileKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
A’ leasachadh aithneachaidh airson nan cànanan agus nan dualchainntean a chaidh a thaghadh.
output_formatroghainneil
Seòrsaenum
Bun-roghainnhex
urlhex
Cruth susbaint às-chuir; chan eil seo a’ buntainn ach ri freagairtean nach eil a’ sruthadh.
pronunciation_dictroghainneil
Seòrsaobject
Faclair gnàthaichte de fhuaimneachaidhean a thèid a chleachdadh gus teacsa a chur nan àite.
pronunciation_dict.tone_listroghainneil
Seòrsastring[]
Liosta ath-shuidheachaidh fuaimneachaidh a’ cleachdadh a’ cho-chàradh ['text/(pronunciation)', ...], mar eisimpleir ['燕少飞/(yan4)(shao3)(fei1)']. Tha àireamhan tòna Sìonach eadar 1 agus 5.
normalization_settingroghainneil
Seòrsaobject
Roghainnean a bhios a’ riaghladh gnàthachadh àirde na claisneachd.
normalization_setting.enabledroghainneil
Seòrsaboolean
Bun-roghainntrue
Cuiridh seo gnàthachadh àirde na claisneachd an comas.
normalization_setting.target_loudnessroghainneil
Seòrsanumber
Bun-roghainn-18
-70 – -10
Àirde miannaichte, air a tomhas ann an LUFS; ’s e -18.0 am bun-roghainn.
normalization_setting.target_rangeroghainneil
Seòrsanumber
Bun-roghainn8
0 – 20
Raon àirde miannaichte, air a thomhas ann an LU; ’s e 8.0 am bun-roghainn.
normalization_setting.target_peakroghainneil
Seòrsanumber
Bun-roghainn-0.5
-3 – 0
Ìre stùc miannaichte, air a thomhas ann an dBTP; ’s e -0.5 am bun-roghainn.
voice_modifyroghainneil
Seòrsaobject
Roghainnean airson pitch, dian agus timbre na guth atharrachadh.
voice_modify.pitchroghainneil
Seòrsainteger
Bun-roghainn0
-100 – 100
Smachd pitch air a thomhas ann an leth-thònaichean: cleachd luach àicheil gus an guth ìsleachadh no luach dearbhach gus a thogail. Tha na luachan ceadaichte eadar -100 agus 100.
voice_modify.intensityroghainneil
Seòrsainteger
Bun-roghainn0
-100 – 100
Smachd air lùth a’ ghutha a nì cainnt nas beòthaile mar a dh’èireas an suidheachadh. Tha an raon ceadaichte -100 gu 100.
voice_modify.timbreroghainneil
Seòrsainteger
Bun-roghainn0
-100 – 100
Atharrachadh timbre a’ ghutha eadar -100 agus 100, a’ riaghladh a charactar tònaich.
riatanach

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
audio
object {url, content_type, file_name, file_size}Faidhle claisneachd a chaidh a chruthachadh le gineadh.
duration_ms
integerFaid na claisneachd, air a tomhas ann am milliseconds.

Barrachd mhodalan: Teacsa gu Òraid

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/minimax/speech-2.8-hd.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt