Vai al contenuto

MiniMax Speech 2.8 HD

Integra

ID del modello 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"

Questa richiesta: 0,019 $ 19 crediti API Esegui in questa pagina

Ottieni la chiave API
MiniMax Da testo a voce #voiceover#multilingual#hd

Sintesi vocale ad alta definizione di MiniMax in oltre 30 lingue, con controllo di pause, emozione e pronuncia.

Esempi

Output · ~10 s

PromptWelcome 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 crediti API

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

•obbligatorio 182 / 10000

Testo per la sintesi vocale, con pause specificate da `<#x#>` dove x varia da 0.01 a 99.99 secondi. I tag di interiezione disponibili sono `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` e `(yawns)`.

Avanzate output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
output_format predefinito hex

Formato del contenuto output; si applica solo alle risposte non in streaming.

Migliora il riconoscimento per le lingue e i dialetti selezionati.

predefinito {"english_normalizati...

Impostazioni per configurare la voce.

Impostazioni per configurare l'audio.

Dizionario personalizzato delle pronunce usato per sostituire il testo.

Impostazioni che controllano la normalizzazione del volume dell'audio.

Impostazioni per modificare altezza, intensità e timbro della voce.

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

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su MiniMax Speech 2.8 HD

MiniMax Speech 2.8 HD converte il testo in voce in più di 30 lingue con controllo avanzato: marcatori di pausa inline, velocità voce, tono e volume, dizionari di pronuncia personalizzati ed effetti vocali. Scegli tra le voci integrate e la frequenza di campionamento e il formato dell'output.

Parametri

NomeTipo PredefinitoConsentiti Descrizione
promptobbligatorio
Tipostring
≤ 10.000 caratteri
Testo per la sintesi vocale, con pause specificate da `<#x#>` dove x varia da 0.01 a 99.99 secondi. I tag di interiezione disponibili sono `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` e `(yawns)`.
voice_settingfacoltativo
Tipoobject
Predefinito{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Impostazioni per configurare la voce.
voice_setting.voice_idfacoltativo
Tipostring
PredefinitoWise_Woman
≥ 1 characters
Identificatore della voce predefinita usata per la sintesi vocale.
voice_setting.speedfacoltativo
Tiponumber
Predefinito1
0,5 – 2
Velocità di parlato, compresa tra 0.5 e 2.0.
voice_setting.volfacoltativo
Tiponumber
Predefinito1
0,01 – 10
Volume dell'output, compreso tra 0 e 10.
voice_setting.pitchfacoltativo
Tipointeger
Predefinito0
-12 – 12
Tono della voce, compreso tra -12 e 12.
voice_setting.emotionfacoltativo
Tipoenum
happysadangryfearfuldisgustedsurprisedneutral
Tono emotivo del parlato sintetizzato.
voice_setting.english_normalizationfacoltativo
Tipoboolean
Predefinitofalse
Opzione di normalizzazione del testo inglese che sacrifica una piccola quantità di latenza aggiuntiva per una migliore lettura dei numeri.
audio_settingfacoltativo
Tipoobject
Impostazioni per configurare l'audio.
audio_setting.sample_ratefacoltativo
Tipoenum
Predefinito32000
80001600022050240003200044100
Frequenza di campionamento dell'audio generato.
audio_setting.bitratefacoltativo
Tipoenum
Predefinito128000
3200064000128000256000
Bitrate dell'audio generato.
audio_setting.formatfacoltativo
Tipoenum
Predefinitomp3
mp3pcmflac
Formato dell'audio.
audio_setting.channelfacoltativo
Tipoenum
Predefinito1
12
Numero di canali audio: 1 per mono o 2 per stereo.
language_boostfacoltativo
Tipoenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 altriKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Migliora il riconoscimento per le lingue e i dialetti selezionati.
output_formatfacoltativo
Tipoenum
Predefinitohex
urlhex
Formato del contenuto output; si applica solo alle risposte non in streaming.
pronunciation_dictfacoltativo
Tipoobject
Dizionario personalizzato delle pronunce usato per sostituire il testo.
pronunciation_dict.tone_listfacoltativo
Tipostring[]
Elenco di sostituzioni della pronuncia con la sintassi ['text/(pronunciation)', ...], ad esempio ['燕少飞/(yan4)(shao3)(fei1)']. I numeri dei toni cinesi vanno da 1 a 5.
normalization_settingfacoltativo
Tipoobject
Impostazioni che controllano la normalizzazione del volume dell'audio.
normalization_setting.enabledfacoltativo
Tipoboolean
Predefinitotrue
Abilita la normalizzazione del volume dell'audio.
normalization_setting.target_loudnessfacoltativo
Tiponumber
Predefinito-18
-70 – -10
Volume desiderato, misurato in LUFS; predefinito a -18.0.
normalization_setting.target_rangefacoltativo
Tiponumber
Predefinito8
0 – 20
Intervallo di volume desiderato, misurato in LU; predefinito a 8.0.
normalization_setting.target_peakfacoltativo
Tiponumber
Predefinito-0.5
-3 – 0
Livello di picco desiderato, misurato in dBTP; predefinito a -0.5.
voice_modifyfacoltativo
Tipoobject
Impostazioni per modificare altezza, intensità e timbro della voce.
voice_modify.pitchfacoltativo
Tipointeger
Predefinito0
-100 – 100
Controllo dell'altezza misurato in semitoni: usare un valore negativo per abbassare la voce o un valore positivo per alzarla. I valori consentiti vanno da -100 a 100.
voice_modify.intensityfacoltativo
Tipointeger
Predefinito0
-100 – 100
Controllo dell'energia vocale che rende il parlato più energico all'aumentare dell'impostazione. L'intervallo consentito è -100–100.
voice_modify.timbrefacoltativo
Tipointeger
Predefinito0
-100 – 100
Regolazione del timbro vocale da -100 a 100, che controlla il carattere tonale.
obbligatorio

Output

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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
audio
object {url, content_type, file_name, file_size}File audio prodotto dalla generazione.
duration_ms
integerDurata dell'audio, misurata in millisecondi.

Altri modelli: Da testo a voce

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/minimax/speech-2.8-hd.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt