Sleppa yfir í efni

MiniMax Speech 2.8 HD

Tengja

Auðkenni líkans 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"

Þessi beiðni: 0,019 $ 19 API-inneignir Keyra á þessari síðu

Fá API-lykil
MiniMax Texti í tal #voiceover#multilingual#hd

HD texti í tal frá MiniMax á 30+ tungumálum með pásum, tilfinningum og framburðarstýringu.

Dæmi

Úttak · ~10 s

KvaðningWelcome 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-inneignir

Búa til beiðni

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

•áskilið 182 / 10000

Texti fyrir talgervingu, með hléum tilgreindum með `<#x#>` þar sem x er á bilinu 0.01 til 99.99 sekúndur. Tiltæk innskotsmerki eru `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` og `(yawns)`.

Ítarlegt output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
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.

Stillingar sem stýra eðlilegri styrkleikajöfnun hljóðs.

Stillingar til að breyta tónhæð, styrk og hljómblæ raddar.

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

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 2.8 HD

MiniMax Speech 2.8 HD les texta á meira en 30 tungumálum með nákvæmri stýringu: innbyggðum pásumerkjum, raddhraða, tónhæð og hljóðstyrk, sérsniðnum framburðarorðabókum og raddbrellum. Veldu úr innbyggðu röddunum og úttaks-sýnatíðni og sniði.

Færibreytur

HeitiGerð SjálfgefiðLeyfilegt Lýsing
promptáskilið
Gerðstring
≤ 10.000 stafir
Texti fyrir talgervingu, með hléum tilgreindum með `<#x#>` þar sem x er á bilinu 0.01 til 99.99 sekúndur. Tiltæk innskotsmerki eru `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` og `(yawns)`.
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.
normalization_settingvalfrjálst
Gerðobject
Stillingar sem stýra eðlilegri styrkleikajöfnun hljóðs.
normalization_setting.enabledvalfrjálst
Gerðboolean
Sjálfgefiðtrue
Virkjar jöfnun hljóðstyrks.
normalization_setting.target_loudnessvalfrjálst
Gerðnumber
Sjálfgefið-18
-70 – -10
Æskilegur hljóðstyrkur, mældur í LUFS; sjálfgefið -18.0.
normalization_setting.target_rangevalfrjálst
Gerðnumber
Sjálfgefið8
0 – 20
Æskilegt svið hljóðstyrks, mælt í LU; sjálfgefið 8.0.
normalization_setting.target_peakvalfrjálst
Gerðnumber
Sjálfgefið-0.5
-3 – 0
Æskilegt toppstig, mælt í dBTP; sjálfgefið -0.5.
voice_modifyvalfrjálst
Gerðobject
Stillingar til að breyta tónhæð, styrk og hljómblæ raddar.
voice_modify.pitchvalfrjálst
Gerðinteger
Sjálfgefið0
-100 – 100
Stýring á tónhæð, mæld í hálftónum: notaðu neikvætt gildi til að lækka röddina eða jákvætt gildi til að hækka hana. Leyfð gildi eru frá -100 til 100.
voice_modify.intensityvalfrjálst
Gerðinteger
Sjálfgefið0
-100 – 100
Stýring á raddorku sem gerir talið orkumeira eftir því sem stillingin hækkar. Leyfða bilið er -100 til 100.
voice_modify.timbrevalfrjálst
Gerðinteger
Sjálfgefið0
-100 – 100
Aðlögun á hljómblæ raddar frá -100 til 100, sem stýrir tónrænum eiginleikum hennar.
áskilið

Úttak

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"
  }
}
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-2.8-hd.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt