Op den Inhalt sprangen

MiniMax Voice Cloning

Integréieren

Modell-ID minimax/voice-clone
# 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/voice-clone?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Dateie wéi am Beispill: 1,52 $ 1.520 API-Kreditter Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
MiniMax Text zu Sprooch #speech

Klonéiert eng Stëmm aus enger Opnam a gëtt eng wiederverwendbar Stëmm-ID plus en optionalen Virschauclip zeréck

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.

0 / 1000

Optionalen Text fir eng Virschau mat der geklonter Stëmm ze synthetiséieren.

•obligatoresch audio_url
Fichier erofzéien, oder

URL op eng Opnam fir Voice-Cloning. Eng Stëmm gëtt no hirem éischte Gebrauch mat enger Text-to-Speech (TTS)-Route permanent; dat muss bannent 7 Deeg geschéien, fir automatesch Läschung ze vermeiden. D'Quellopnam soll mindestens 10 Sekonne laang sinn.

Erweidert model · accuracy · enable_safety_checker · noise_reduction · need_volume_normalization
model Standard speech-02-hd

Sproochsynthesemodell fir d'Virschau: speech-02-hd, speech-02-turbo, speech-01-hd oder speech-01-turbo.

Genauegkeetsschwelle fir d'Textvalidéierung, vun 0 bis 1.

POST /run/minimax/voice-clone?wait=20 Präis → 1,52 $
# 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/voice-clone?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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 Voice Cloning

Huelt eng Probe an `audio_url`, déi mindestens 10 Sekonne laang soll sinn, a erstellt eng personaliséiert Stëmm. D'Äntwert enthält `custom_voice_id` fir spéider TTS-Verwendung. Eng Virschau gëtt aus `text` (bis zu 1000 Zeechen) mat enger `model`-Auswiel aus speech-02-hd, speech-02-turbo, speech-01-hd an speech-01-turbo geschwat. Zu den Optioune gehéieren `noise_reduction` an `need_volume_normalization`.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
enable_safety_checkeroptional
Typboolean
Standardtrue
D'Kontroll kann duerch false gelackert ginn, wann den Uruffer autoriséiert ass.
audio_urlobligatoresch audio
Typurl · audio
URL op eng Opnam fir Voice-Cloning. Eng Stëmm gëtt no hirem éischte Gebrauch mat enger Text-to-Speech (TTS)-Route permanent; dat muss bannent 7 Deeg geschéien, fir automatesch Läschung ze vermeiden. D'Quellopnam soll mindestens 10 Sekonne laang sinn.
noise_reductionoptional
Typboolean
Standardfalse
Reduzéiert Geräischer an der geklonter Stëmm.
need_volume_normalizationoptional
Typboolean
Standardfalse
Normaliséiert de Volume vun der geklonter Stëmm.
accuracyoptional
Typnumber | null
0 – 1
Genauegkeetsschwelle fir d'Textvalidéierung, vun 0 bis 1.
textoptional
Typstring | null
StandardHello, this is a preview of your cloned voice! I hope you like it!
≤ 1.000 Zeechen
Optionalen Text fir eng Virschau mat der geklonter Stëmm ze synthetiséieren.
modeloptional
Typenum
Standardspeech-02-hd
speech-02-hdspeech-02-turbospeech-01-hdspeech-01-turbo
Sproochsynthesemodell fir d'Virschau: speech-02-hd, speech-02-turbo, speech-01-hd oder speech-01-turbo.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/voice-clone",
  "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": 1520,
    "usd": "1.52",
    "charged": 1520,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "custom_voice_id": "string",
    "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
    }
  },
  "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
custom_voice_id
stringIdentifikator fir d'Benotzung vun der geklonter Stëmm an TTS.
audio
object {url, content_type, file_name, file_size} | nullMat der geklonter Stëmm synthetiséiert Audio-Virschau, wann ugefrot.

Méi Modeller: Text zu Sprooch

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