सामग्री पर जाएँ

MiniMax Speech 2.8 HD

इंटीग्रेट करें

मॉडल id 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"

यह अनुरोध: $0.019 19 API क्रेडिट इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
MiniMax टेक्स्ट से स्पीच #voiceover#multilingual#hd

30+ भाषाओं में विराम, भाव और उच्चारण नियंत्रण के साथ MiniMax का हाई-डेफिनिशन टेक्स्ट-टू-स्पीच।

उदाहरण

आउटपुट · ~10 s

प्रॉम्प्टWelcome 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 API क्रेडिट

अनुरोध बनाएँ

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

•आवश्यक 182 / 10000

भाषण संश्लेषण के लिए टेक्स्ट, जिसमें `<#x#>` द्वारा विराम निर्दिष्ट किए जाते हैं और x की सीमा 0.01 से 99.99 सेकंड तक है। उपलब्ध इंटरजेक्शन टैग हैं `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, और `(yawns)`।

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

आवाज़ के पिच, तीव्रता और टिम्बर में बदलाव करने की सेटिंग्स।

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

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 2.8 HD के बारे में

MiniMax Speech 2.8 HD 30 से अधिक भाषाओं में टेक्स्ट को आवाज़ देता है और सूक्ष्म नियंत्रण प्रदान करता है: इनलाइन विराम मार्कर, आवाज़ की गति, पिच और वॉल्यूम, कस्टम उच्चारण शब्दकोश और वॉइस इफ़ेक्ट। बिल्ट-इन आवाज़ों और आउटपुट सैंपल रेट व फ़ॉर्मैट में से चुनें।

पैरामीटर

नामप्रकार डिफ़ॉल्टअनुमत विवरण
promptआवश्यक
प्रकारstring
≤ 10,000 अक्षर
भाषण संश्लेषण के लिए टेक्स्ट, जिसमें `<#x#>` द्वारा विराम निर्दिष्ट किए जाते हैं और x की सीमा 0.01 से 99.99 सेकंड तक है। उपलब्ध इंटरजेक्शन टैग हैं `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, और `(yawns)`।
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।
voice_modifyवैकल्पिक
प्रकारobject
आवाज़ के पिच, तीव्रता और टिम्बर में बदलाव करने की सेटिंग्स।
voice_modify.pitchवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट0
-100 – 100
सेमिटोन में मापा गया पिच नियंत्रण: आवाज़ को नीचा करने के लिए ऋणात्मक मान या ऊँचा करने के लिए धनात्मक मान का उपयोग करें। अनुमत मान -100 से 100 तक हैं।
voice_modify.intensityवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट0
-100 – 100
आवाज़ की ऊर्जा का नियंत्रण, जिसमें सेटिंग बढ़ने पर भाषण अधिक ऊर्जावान होता है। इसकी अनुमत सीमा -100 से 100 तक है।
voice_modify.timbreवैकल्पिक
प्रकारinteger
डिफ़ॉल्ट0
-100 – 100
आवाज़ के टोनल चरित्र को नियंत्रित करने वाला टिम्बर समायोजन, -100 से 100 तक।
आवश्यक

आउटपुट

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"
  }
}
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-2.8-hd.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt