Sleppa yfir í efni

MiniMax Speech-02 HD

Tengja

Auðkenni líkans 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"

Þessi beiðni: 0,005 $ 5 API-inneignir Keyra á þessari síðu

Fá API-lykil
MiniMax · Hljóð

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið 50 / 5000

Texti fyrir talinntak, takmarkaður við 5000 stafi og verður að innihalda að minnsta kosti 1 staf sem er ekki bil.

Ítarlegt output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format sjálfgefið hex

Úttakssnið efnis; á aðeins við um svör sem eru ekki streymandi.

Bætir greiningu fyrir valin tungumál og mállýskur.

sjálfgefið {"english_normalizati...

Stillingar fyrir uppsetningu raddar.

Stillingar fyrir uppsetningu hljóðs.

Sérsniðin orðabók yfir framburð sem notuð er til að skipta út texta.

POST /run/minimax/speech-02-hd?wait=20 verðtilboð → 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"

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um MiniMax Speech-02 HD

Býr til tal úr allt að 5000 stöfum af `text` með HD-gæðaútgáfu Speech-02. Þú getur stillt röddina með `voice_setting`, skilgreint `audio_setting`, notað `pronunciation_dict` og valið `language_boost` úr 38 valkostum. `output_format` getur verið url eða hex. Niðurstaðan inniheldur hljóðskrána og lengd hennar í millisekúndum.

Færibreytur

HeitiGerð SjálfgefiðLeyfilegt Lýsing
enable_safety_checkervalfrjálst
Gerðboolean
Sjálfgefiðtrue
Hægt er að slaka á skimun með því að stilla false, ef beiðandi hefur heimild.
textáskilið
Gerðstring
≤ 5.000 stafir
Texti fyrir talinntak, takmarkaður við 5000 stafi og verður að innihalda að minnsta kosti 1 staf sem er ekki bil.
voice_settingvalfrjálst
Gerðobject
Sjálfgefið{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Stillingar fyrir uppsetningu raddar.
voice_setting.voice_idvalfrjálst
Gerðstring
SjálfgefiðWise_Woman
≥ 1 characters
Forstillt raddkenni sem er notað við talgervingu.
voice_setting.speedvalfrjálst
Gerðnumber
Sjálfgefið1
0,5 – 2
Talhraði, frá 0.5 til 2.0.
voice_setting.volvalfrjálst
Gerðnumber
Sjálfgefið1
0,01 – 10
Úttaksstyrkur, frá 0 til 10.
voice_setting.pitchvalfrjálst
Gerðinteger
Sjálfgefið0
-12 – 12
Tónhæð raddar, frá -12 til 12.
voice_setting.emotionvalfrjálst
Gerðenum
happysadangryfearfuldisgustedsurprisedneutral
Tilfinningatónn talgervds tals.
voice_setting.english_normalizationvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Valkostur fyrir enska textastöðlun sem skiptir á móti lítilli viðbótartöf fyrir betri lestur talna.
audio_settingvalfrjálst
Gerðobject
Stillingar fyrir uppsetningu hljóðs.
audio_setting.sample_ratevalfrjálst
Gerðenum
Sjálfgefið32000
80001600022050240003200044100
Úrtakstíðni myndaðs hljóðs.
audio_setting.bitratevalfrjálst
Gerðenum
Sjálfgefið128000
3200064000128000256000
Bitahraði myndaðs hljóðs.
audio_setting.formatvalfrjálst
Gerðenum
Sjálfgefiðmp3
mp3pcmflac
Snið hljóðs.
audio_setting.channelvalfrjálst
Gerðenum
Sjálfgefið1
12
Fjöldi hljóðrása: 1 fyrir mono eða 2 fyrir stereo.
language_boostvalfrjálst
Gerðenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 í viðbótKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Bætir greiningu fyrir valin tungumál og mállýskur.
output_formatvalfrjálst
Gerðenum
Sjálfgefiðhex
urlhex
Úttakssnið efnis; á aðeins við um svör sem eru ekki streymandi.
pronunciation_dictvalfrjálst
Gerðobject
Sérsniðin orðabók yfir framburð sem notuð er til að skipta út texta.
pronunciation_dict.tone_listvalfrjálst
Gerðstring[]
Listi yfir framburðarskipti með setningafræðinni ['text/(pronunciation)', ...], til dæmis ['燕少飞/(yan4)(shao3)(fei1)']. Kínverskar tónhæðartölur eru á bilinu 1 til 5.
áskilið

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
audio
object {url, content_type, file_name, file_size}Hljóðskrá sem verður til við efnisgerð.
duration_ms
integerLengd hljóðs, mæld í millisekúndum.

Fleiri líkön: Texti í tal

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/minimax/speech-02-hd.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt