सामग्री पर जाएँ

MiniMax Speech 2.6 [HD]

इंटीग्रेट करें

मॉडल id 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"

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

API कुंजी प्राप्त करें

Speech 2.6 HD टेक्स्ट-टू-स्पीच, 10,000 अक्षर, विराम मार्कर और लाउडनेस सामान्यीकरण स्वीकार करता है

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 / 10000

भाषण इनपुट टेक्स्ट, जिसमें नई पंक्तियाँ पैराग्राफ़ की सीमाएँ दर्शाती हैं और वैकल्पिक `<#x#>` मार्कर विराम नियंत्रित करते हैं। मार्कर केवल बोलने योग्य खंडों के बीच रखें, कभी भी लगातार नहीं; `x` `[0.01, 99.99]` के भीतर सेकंड में विराम देता है और अधिकतम दो दशमलव स्थानों का उपयोग करता है।

उन्नत output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict · normalization_setting
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।

ऑडियो की लाउडनेस नॉर्मलाइज़ेशन नियंत्रित करने वाली सेटिंग्स।

POST /run/minimax/speech-2.6-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-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"

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 2.6 [HD] के बारे में

`prompt` में दिए गए (अधिकतम 10000 अक्षरों के) टेक्स्ट को ज़ोर से पढ़ता है। पैराग्राफ़ ब्रेक के लिए नई पंक्तियों और कस्टम विराम के लिए `<#x#>` मार्कर उपयोग किए जाते हैं। `voice_setting`, `audio_setting`, `language_boost` (38 विकल्प) और `pronunciation_dict` के अलावा, यह लाउडनेस नियंत्रण के लिए `normalization_setting` जोड़ता है। आउटपुट ऑडियो और उसकी अवधि मिलीसेकंड में होता 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।
promptआवश्यक
प्रकारstring
≤ 10,000 अक्षर
भाषण इनपुट टेक्स्ट, जिसमें नई पंक्तियाँ पैराग्राफ़ की सीमाएँ दर्शाती हैं और वैकल्पिक `<#x#>` मार्कर विराम नियंत्रित करते हैं। मार्कर केवल बोलने योग्य खंडों के बीच रखें, कभी भी लगातार नहीं; `x` `[0.01, 99.99]` के भीतर सेकंड में विराम देता है और अधिकतम दो दशमलव स्थानों का उपयोग करता है।
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।
normalization_settingवैकल्पिक
प्रकारobject
ऑडियो की लाउडनेस नॉर्मलाइज़ेशन नियंत्रित करने वाली सेटिंग्स।
normalization_setting.enabledवैकल्पिक
प्रकारboolean
डिफ़ॉल्टtrue
ऑडियो की लाउडनेस का नॉर्मलाइज़ेशन सक्षम करता है।
normalization_setting.target_loudnessवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट-18
-70 – -10
वांछित लाउडनेस, LUFS में मापी गई; डिफ़ॉल्ट -18.0 है।
normalization_setting.target_rangeवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट8
0 – 20
वांछित लाउडनेस रेंज, LU में मापी गई; डिफ़ॉल्ट 8.0 है।
normalization_setting.target_peakवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट-0.5
-3 – 0
वांछित पीक स्तर, dBTP में मापा गया; डिफ़ॉल्ट -0.5 है।
आवश्यक

आउटपुट

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"
  }
}
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-2.6-hd.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt