सामग्री पर जाएँ

MiniMax Speech-02 HD

इंटीग्रेट करें

मॉडल id minimax/speech-02-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-02-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

यह अनुरोध: $0.005 5 API क्रेडिट इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें

Speech-02 HD टेक्स्ट-टू-स्पीच, चयन योग्य वॉइस, उच्चारण डिक्शनरी और भाषा-बूस्ट के साथ

MiniMax · ऑडियो

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

•आवश्यक 50 / 5000

Speech इनपुट टेक्स्ट, 5000 वर्णों तक सीमित और कम से कम 1 non-whitespace वर्ण आवश्यक।

उन्नत output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format डिफ़ॉल्ट hex

आउटपुट सामग्री का फ़ॉर्मैट; केवल नॉन-स्ट्रीमिंग रिस्पॉन्स पर लागू होता है।

चयनित भाषाओं और बोलियों की पहचान बेहतर करता है।

डिफ़ॉल्ट {"english_normalizati...

आवाज़ कॉन्फ़िगर करने की सेटिंग्स।

ऑडियो कॉन्फ़िगर करने की सेटिंग।

टेक्स्ट को बदलने के लिए इस्तेमाल किया जाने वाला उच्चारणों का कस्टम शब्दकोश।

POST /run/minimax/speech-02-hd?wait=20 कोटेशन → $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-02-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

MiniMax Speech-02 HD के बारे में

Speech-02 के HD गुणवत्ता वैरिएंट से अधिकतम 5000 अक्षरों वाले `text` से स्पीच बनाता है। `voice_setting` से वॉइस समायोजित करें, `audio_setting` सेट करें, `pronunciation_dict` लागू करें और 38 विकल्पों में से `language_boost` चुनें। `output_format` url या hex हो सकता है। परिणाम में ऑडियो फ़ाइल और उसकी लंबाई मिलीसेकंड में होती है।

पैरामीटर

नामप्रकार डिफ़ॉल्टअनुमत विवरण
enable_safety_checkerवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
यदि कॉलर अधिकृत है, तो false सेट करके स्क्रीनिंग में ढील दी जा सकती है।
textआवश्यक
प्रकारstring
≤ 5,000 अक्षर
Speech इनपुट टेक्स्ट, 5000 वर्णों तक सीमित और कम से कम 1 non-whitespace वर्ण आवश्यक।
voice_settingवैकल्पिक
प्रकारobject
डिफ़ॉल्ट{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
आवाज़ कॉन्फ़िगर करने की सेटिंग्स।
voice_setting.voice_idवैकल्पिक
प्रकारstring
डिफ़ॉल्टWise_Woman
≥ 1 characters
Speech synthesis के लिए उपयोग किया जाने वाला पूर्वनिर्धारित voice identifier।
voice_setting.speedवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0.5 – 2
बोलने की गति, 0.5 से 2.0 तक।
voice_setting.volवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0.01 – 10
आउटपुट वॉल्यूम, 0 से 10 तक।
voice_setting.pitchवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट0
-12 – 12
आवाज़ का पिच, -12 से 12 तक।
voice_setting.emotionवैकल्पिक
प्रकारenum
happysadangryfearfuldisgustedsurprisedneutral
संश्लेषित भाषण का भावनात्मक स्वर।
voice_setting.english_normalizationवैकल्पिक
प्रकारboolean
डिफ़ॉल्टfalse
अंग्रेज़ी टेक्स्ट-नॉर्मलाइज़ेशन विकल्प, जो संख्याओं को बेहतर ढंग से पढ़ने के लिए थोड़ी अतिरिक्त लेटेंसी स्वीकार करता है।
audio_settingवैकल्पिक
प्रकारobject
ऑडियो कॉन्फ़िगर करने की सेटिंग।
audio_setting.sample_rateवैकल्पिक
प्रकारenum
डिफ़ॉल्ट32000
80001600022050240003200044100
निर्मित ऑडियो की सैंपलिंग दर।
audio_setting.bitrateवैकल्पिक
प्रकारenum
डिफ़ॉल्ट128000
3200064000128000256000
निर्मित ऑडियो की बिटरेट।
audio_setting.formatवैकल्पिक
प्रकारenum
डिफ़ॉल्टmp3
mp3pcmflac
ऑडियो का फ़ॉर्मैट।
audio_setting.channelवैकल्पिक
प्रकारenum
डिफ़ॉल्ट1
12
ऑडियो चैनलों की संख्या: मोनो के लिए 1 या स्टीरियो के लिए 2।
language_boostवैकल्पिक
प्रकारenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 औरKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
चयनित भाषाओं और बोलियों की पहचान बेहतर करता है।
output_formatवैकल्पिक
प्रकारenum
डिफ़ॉल्टhex
urlhex
आउटपुट सामग्री का फ़ॉर्मैट; केवल नॉन-स्ट्रीमिंग रिस्पॉन्स पर लागू होता है।
pronunciation_dictवैकल्पिक
प्रकारobject
टेक्स्ट को बदलने के लिए इस्तेमाल किया जाने वाला उच्चारणों का कस्टम शब्दकोश।
pronunciation_dict.tone_listवैकल्पिक
प्रकारstring[]
['text/(pronunciation)', ...] सिंटैक्स का उपयोग करने वाली उच्चारण प्रतिस्थापन सूची, उदाहरण के लिए ['燕少飞/(yan4)(shao3)(fei1)']। चीनी टोन संख्याएँ 1 से 5 तक होती हैं।
आवश्यक

आउटपुट

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-02-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": {
    "text": "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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
audio
object {url, content_type, file_name, file_size}निर्माण से बनाई गई ऑडियो फ़ाइल।
duration_ms
integerऑडियो की लंबाई, मिलीसेकंड में मापी गई।

और मॉडल: टेक्स्ट से स्पीच

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/minimax/speech-02-hd.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt