Aqbeż għall-kontenut

MiniMax Speech 2.8 HD

Integra

Id tal-mudell 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"

Din it-talba: $0.019 19 krediti tal-API Ħaddmu f’din il-paġna

Ikseb ċavetta API
MiniMax Test għal diskors #voiceover#multilingual#hd

Text-to-speech ta' definizzjoni għolja minn MiniMax f'aktar minn 30 lingwa, b'pawżi, emozzjoni u kontroll tal-pronunzja.

Eżempji

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 krediti tal-API

Ibni talba

Il-kontrolli jiġu ġġenerati mill-iskema tal-mudell. Il-kodiċi u l-prezz jaġġornaw hekk kif tibdilhom.

•meħtieġ 182 / 10000

Test għas-sinteżi tad-diskors, b'pawżi speċifikati minn `<#x#>` fejn x ivarja minn 0.01 sa 99.99 sekonda. It-tikketti disponibbli għall-interjezzjonijiet huma `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, u `(yawns)`.

Avvanzat output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
output_format prestabbilit hex

Format tal-kontenut tal-output; japplika biss għal tweġibiet mhux streaming.

Ittejjeb ir-rikonoxximent għal-lingwi u d-djaletti magħżula.

prestabbilit {"english_normalizati...

Settings għall-konfigurazzjoni tal-vuċi.

Settings għall-konfigurazzjoni tal-awdjo.

Dizzjunarju personalizzat tal-pronunzji użat biex jissostitwixxi t-test.

Settings li jikkontrollaw in-normalizzazzjoni tal-livell tal-awdjo.

Settings għall-modifikazzjoni tal-pitch, l-intensità u t-timbre tal-vuċi.

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

Ħaddem din it-talba

Iċ-ċavetta tiegħek tibqa’ f’dan il-browser: tintbagħat biss lid-Doitong API u tiġi ssejvjata (localStorage) biss jekk timmarka Ftakar. Ikseb ċavetta API

Dwar MiniMax Speech 2.8 HD

MiniMax Speech 2.8 HD jagħti leħen lil test f'aktar minn 30 lingwa b'kontroll fin: markaturi tal-pawża inline, veloċità tal-vuċi, ton u volum, dizzjunarji personalizzati tal-pronunzja u effetti tal-vuċi. Agħżel minn vuċijiet integrati u r-rata ta' kampjunar u l-format tal-output.

Parametri

IsemTip PrestabbilitPermess Deskrizzjoni
promptmeħtieġ
Tipstring
≤ 10,000 karattri
Test għas-sinteżi tad-diskors, b'pawżi speċifikati minn `<#x#>` fejn x ivarja minn 0.01 sa 99.99 sekonda. It-tikketti disponibbli għall-interjezzjonijiet huma `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, u `(yawns)`.
voice_settingmhux obbligatorju
Tipobject
Prestabbilit{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Settings għall-konfigurazzjoni tal-vuċi.
voice_setting.voice_idmhux obbligatorju
Tipstring
PrestabbilitWise_Woman
≥ 1 characters
Identifikatur ta’ vuċi predefinit użat għas-sinteżi tad-diskors.
voice_setting.speedmhux obbligatorju
Tipnumber
Prestabbilit1
0.5 – 2
Rata tat-taħdit, fil-medda minn 0.5 sa 2.0.
voice_setting.volmhux obbligatorju
Tipnumber
Prestabbilit1
0.01 – 10
Volum tal-output, fil-medda minn 0 sa 10.
voice_setting.pitchmhux obbligatorju
Tipinteger
Prestabbilit0
-12 – 12
Pitch tal-vuċi, fil-medda minn -12 sa 12.
voice_setting.emotionmhux obbligatorju
Tipenum
happysadangryfearfuldisgustedsurprisedneutral
Ton emozzjonali tad-diskors sintetizzat.
voice_setting.english_normalizationmhux obbligatorju
Tipboolean
Prestabbilitfalse
Għażla ta’ normalizzazzjoni tat-test bl-Ingliż li tiskambja ammont żgħir ta’ latency addizzjonali għal qari aħjar tan-numri.
audio_settingmhux obbligatorju
Tipobject
Settings għall-konfigurazzjoni tal-awdjo.
audio_setting.sample_ratemhux obbligatorju
Tipenum
Prestabbilit32000
80001600022050240003200044100
Rata ta’ kampjunar għall-awdjo iġġenerat.
audio_setting.bitratemhux obbligatorju
Tipenum
Prestabbilit128000
3200064000128000256000
Bitrate għall-awdjo iġġenerat.
audio_setting.formatmhux obbligatorju
Tipenum
Prestabbilitmp3
mp3pcmflac
Format għall-awdjo.
audio_setting.channelmhux obbligatorju
Tipenum
Prestabbilit1
12
Għadd ta’ kanali tal-awdjo: 1 għal mono jew 2 għal stereo.
language_boostmhux obbligatorju
Tipenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 oħraKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Ittejjeb ir-rikonoxximent għal-lingwi u d-djaletti magħżula.
output_formatmhux obbligatorju
Tipenum
Prestabbilithex
urlhex
Format tal-kontenut tal-output; japplika biss għal tweġibiet mhux streaming.
pronunciation_dictmhux obbligatorju
Tipobject
Dizzjunarju personalizzat tal-pronunzji użat biex jissostitwixxi t-test.
pronunciation_dict.tone_listmhux obbligatorju
Tipstring[]
Lista ta' sostituzzjonijiet tal-pronunzja li tuża s-sintassi ['text/(pronunciation)', ...], pereżempju ['燕少飞/(yan4)(shao3)(fei1)']. In-numri tat-ton Ċiniż ivarjaw minn 1 sa 5.
normalization_settingmhux obbligatorju
Tipobject
Settings li jikkontrollaw in-normalizzazzjoni tal-livell tal-awdjo.
normalization_setting.enabledmhux obbligatorju
Tipboolean
Prestabbilittrue
Jippermetti n-normalizzazzjoni tal-livell tal-awdjo.
normalization_setting.target_loudnessmhux obbligatorju
Tipnumber
Prestabbilit-18
-70 – -10
Livell tal-ħoss mixtieq, imkejjel f'LUFS; prestabbilit għal -18.0.
normalization_setting.target_rangemhux obbligatorju
Tipnumber
Prestabbilit8
0 – 20
Medda tal-livell tal-ħoss mixtieqa, imkejla f'LU; prestabbilita għal 8.0.
normalization_setting.target_peakmhux obbligatorju
Tipnumber
Prestabbilit-0.5
-3 – 0
Livell massimu mixtieq, imkejjel f'dBTP; prestabbilit għal -0.5.
voice_modifymhux obbligatorju
Tipobject
Settings għall-modifikazzjoni tal-pitch, l-intensità u t-timbre tal-vuċi.
voice_modify.pitchmhux obbligatorju
Tipinteger
Prestabbilit0
-100 – 100
Kontroll tal-pitch imkejjel f'semitoni: uża valur negattiv biex tnaqqas il-vuċi jew valur pożittiv biex tgħolliha. Il-valuri permessi jvarjaw minn -100 sa 100.
voice_modify.intensitymhux obbligatorju
Tipinteger
Prestabbilit0
-100 – 100
Kontroll tal-enerġija tal-vuċi li jagħmel id-diskors aktar enerġetiku hekk kif jiżdied is-setting. Il-medda permessa tiegħu hija -100 sa 100.
voice_modify.timbremhux obbligatorju
Tipinteger
Prestabbilit0
-100 – 100
Aġġustament tat-timbre tal-vuċi minn -100 sa 100, li jikkontrolla l-karattru tonali tagħha.
meħtieġ

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"
  }
}
Il-fajls tiegħek, l-għażla tiegħekKull outputs[].url huwa kopja fil-ħażna tagħna: miżmuma għal dejjem (imħallsa għal kull GB-xahar) jew 7 ijiem b’xejn, skont l-issettjar tal-kont tiegħek jew ?storage=.
L-istess struttura fuq kull mudelltype, url, content_type, width, height u duration, kemm għall-immaġnijiet kif ukoll għall-vidjo u l-awdjo. output huwa l-oġġett tar-riżultat tal-mudell innifsu.
Oqsma tal-output
audio
object {url, content_type, file_name, file_size}Fajl awdjo prodott mill-ġenerazzjoni.
duration_ms
integerTul tal-awdjo, imkejjel f'millisekondi.

Aktar mudelli: Test għal diskors

Għall-aġenti tal-AI: din il-paġna bħala Markdown tinsab fuq https://doitong.com/mt/developers/models/minimax/speech-2.8-hd.md. Il-mudelli u l-gwidi kollha: https://doitong.com/developers/llms.txt