Op den Inhalt sprangen

MiniMax Speech 2.8 [Turbo]

Integréieren

Modell-ID minimax/speech-2.8-turbo
# 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-turbo?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"

Dës Ufro: 0,003 $ 3 API-Kreditter Op dëser Säit ausféieren

API-Schlëssel kréien
MiniMax · Audio

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch 50 / 10000

Text fir d'Sproochsynthese, mat Pausen duerch `<#x#>`, wou x vun 0.01 bis 99.99 Sekonne reecht. Verfügbar Interjektiounstags sinn `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, an `(yawns)`.

Erweidert output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
output_format Standard hex

Output-Inhaltsformat; gëllt nëmme fir net-streamend Äntwerten.

Verbessert d'Erkennung fir déi ausgewielte Sproochen an Dialekter.

Standard {"english_normalizati...

Astellunge fir d'Konfiguratioun vun der Stëmm.

Astellunge fir Audio ze konfiguréieren.

Benotzerdefinéiert Wierderbuch mat Aussproochen, dat benotzt gëtt, fir Text ze ersetzen.

Astellungen, déi d'Normaliséierung vun der Audiolautstäerkt steieren.

Astellunge fir Stëmmhéicht, Intensitéit an Timbre z'änneren.

POST /run/minimax/speech-2.8-turbo?wait=20 Präis → 0,003 $
# 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-turbo?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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer MiniMax Speech 2.8 [Turbo]

Generéiert Sprooch aus bis zu 10000 Zeechen a `prompt`. Nieft Pausenmarkéierungen (0.01 bis 99.99 Sekonnen) kann den Text Interjektiounstags wéi (laughs), (sighs), (coughs) an (gasps) enthalen. `voice_modify` passt Tounhéicht, Intensitéit an Timbre un, zesumme mat `voice_setting`, `language_boost`, `pronunciation_dict` an `normalization_setting`. Gëtt Audio an d'Dauer a Millisekonnen zréck.

Parameteren

NummTyp StandardErlaabt Beschreiwung
enable_safety_checkeroptional
Typboolean
Standardtrue
D'Kontroll kann duerch false gelackert ginn, wann den Uruffer autoriséiert ass.
promptobligatoresch
Typstring
≤ 10.000 Zeechen
Text fir d'Sproochsynthese, mat Pausen duerch `<#x#>`, wou x vun 0.01 bis 99.99 Sekonne reecht. Verfügbar Interjektiounstags sinn `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, an `(yawns)`.
voice_settingoptional
Typobject
Standard{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Astellunge fir d'Konfiguratioun vun der Stëmm.
voice_setting.voice_idoptional
Typstring
StandardWise_Woman
≥ 1 characters
Virdefinéierten Identifiant vun der Stëmm, dee fir d'Sproochsynthes benotzt gëtt.
voice_setting.speedoptional
Typnumber
Standard1
0,5 – 2
Sproochtempo, am Beräich vun 0.5 bis 2.0.
voice_setting.voloptional
Typnumber
Standard1
0,01 – 10
Output-Lautstäerkt, am Beräich vun 0 bis 10.
voice_setting.pitchoptional
Typinteger
Standard0
-12 – 12
Tonhéicht vun der Stëmm, am Beräich vun -12 bis 12.
voice_setting.emotionoptional
Typenum
happysadangryfearfuldisgustedsurprisedneutral
Emotionalen Toun vun der synthetiséierter Sprooch.
voice_setting.english_normalizationoptional
Typboolean
Standardfalse
Optioun fir d'Normaliséierung vum engleschen Text, déi e klengen zousätzleche Latenceopwand fir eng besser Liesung vun Zuelen a Kaf hëlt.
audio_settingoptional
Typobject
Astellunge fir Audio ze konfiguréieren.
audio_setting.sample_rateoptional
Typenum
Standard32000
80001600022050240003200044100
Samplingrate vum generéierten Audio.
audio_setting.bitrateoptional
Typenum
Standard128000
3200064000128000256000
Bitrate vum generéierten Audio.
audio_setting.formatoptional
Typenum
Standardmp3
mp3pcmflac
Format vum Audio.
audio_setting.channeloptional
Typenum
Standard1
12
Zuel vun den Audio-Kanäl: 1 fir Mono oder 2 fir Stereo.
language_boostoptional
Typenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 méiKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Verbessert d'Erkennung fir déi ausgewielte Sproochen an Dialekter.
output_formatoptional
Typenum
Standardhex
urlhex
Output-Inhaltsformat; gëllt nëmme fir net-streamend Äntwerten.
pronunciation_dictoptional
Typobject
Benotzerdefinéiert Wierderbuch mat Aussproochen, dat benotzt gëtt, fir Text ze ersetzen.
pronunciation_dict.tone_listoptional
Typstring[]
Lëscht mat Aussproochersetzungen an der Syntax ['text/(pronunciation)', ...], zum Beispill ['燕少飞/(yan4)(shao3)(fei1)']. Chinesesch Tounzuele reeche vun 1 bis 5.
normalization_settingoptional
Typobject
Astellungen, déi d'Normaliséierung vun der Audiolautstäerkt steieren.
normalization_setting.enabledoptional
Typboolean
Standardtrue
Aktivéiert d'Normaliséierung vun der Audiolautstäerkt.
normalization_setting.target_loudnessoptional
Typnumber
Standard-18
-70 – -10
Gewënschte Lautstäerkt, gemooss a LUFS; Standard ass -18.0.
normalization_setting.target_rangeoptional
Typnumber
Standard8
0 – 20
Gewënschte Lautstäerkteberäich, gemooss a LU; Standard ass 8.0.
normalization_setting.target_peakoptional
Typnumber
Standard-0.5
-3 – 0
Gewënschte Peak-Niveau, gemooss an dBTP; Standard ass -0.5.
voice_modifyoptional
Typobject
Astellunge fir Stëmmhéicht, Intensitéit an Timbre z'änneren.
voice_modify.pitchoptional
Typinteger
Standard0
-100 – 100
Kontroll vun der Stëmmhéicht a Halbtéin: e negative Wäert mécht d'Stëmm méi déif, e positive méi héich. Erlaabte Wäerter reeche vun -100 bis 100.
voice_modify.intensityoptional
Typinteger
Standard0
-100 – 100
Kontroll vun der Stëmmenergie, déi d'Sprooch bei méi héijen Astellunge méi energesch mécht. Den erlaabte Beräich ass -100 bis 100.
voice_modify.timbreoptional
Typinteger
Standard0
-100 – 100
Upassung vum Stëmmtimbre vun -100 bis 100, déi de klangleche Charakter steiert.
obligatoresch

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.8-turbo",
  "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": 3,
    "usd": "0.003",
    "charged": 3,
    "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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
audio
object {url, content_type, file_name, file_size}Audio-Datei, déi duerch d'Generatioun produzéiert gouf.
duration_ms
integerAudio-Längt, gemooss a Millisekonnen.

Méi Modeller: Text zu Sprooch

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/minimax/speech-2.8-turbo.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt