ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

MiniMax Speech-02 HD

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id minimax/speech-02-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-02-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

ਇਹ ਬੇਨਤੀ: $0.005 5 API ਕ੍ਰੈਡਿਟ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ

ਚੁਣੀਆਂ ਜਾ ਸਕਣ ਵਾਲੀਆਂ ਆਵਾਜ਼ਾਂ, ਉਚਾਰਣ ਡਿਕਸ਼ਨਰੀ ਅਤੇ ਭਾਸ਼ਾ ਬੂਸਟ ਵਾਲਾ Speech-02 HD ਟੈਕਸਟ-ਤੋਂ-ਆਡੀਓ

MiniMax · ਆਡੀਓ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ 50 / 5000

Speech ਇਨਪੁੱਟ ਟੈਕਸਟ, 5000 ਅੱਖਰਾਂ ਤੱਕ ਸੀਮਿਤ ਅਤੇ ਘੱਟੋ-ਘੱਟ 1 non-whitespace ਅੱਖਰ ਲੋੜੀਂਦਾ।

ਉੱਨਤ output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format ਡਿਫ਼ਾਲਟ hex

ਆਉਟਪੁੱਟ ਸਮੱਗਰੀ ਦਾ ਫਾਰਮੈਟ; ਸਿਰਫ਼ ਗੈਰ-ਸਟ੍ਰੀਮਿੰਗ ਜਵਾਬਾਂ 'ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ।

ਚੁਣੀਆਂ ਗਈਆਂ ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਉਪਭਾਸ਼ਾਵਾਂ ਲਈ ਪਛਾਣ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ {"english_normalizati...

ਆਵਾਜ਼ ਨੂੰ ਸੰਰਚਿਤ ਕਰਨ ਲਈ ਸੈਟਿੰਗਾਂ।

ਆਡੀਓ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰਨ ਲਈ ਸੈਟਿੰਗਾਂ।

ਟੈਕਸਟ ਨੂੰ ਬਦਲਣ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਉਚਾਰਣਾਂ ਦਾ ਕਸਟਮ ਸ਼ਬਦਕੋਸ਼।

POST /run/minimax/speech-02-hd?wait=20 ਕੋਟ → $0.005
# 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-02-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

MiniMax Speech-02 HD ਬਾਰੇ

Speech-02 ਦੇ HD ਗੁਣਵੱਤਾ ਰੂਪ ਨਾਲ `text` ਦੇ ਵੱਧ ਤੋਂ ਵੱਧ 5000 ਅੱਖਰਾਂ ਤੋਂ ਆਡੀਓ ਸਿਰਜਦਾ ਹੈ। ਤੁਸੀਂ `voice_setting` ਰਾਹੀਂ ਆਵਾਜ਼ ਨੂੰ ਸੁਧਾਰ ਸਕਦੇ ਹੋ, `audio_setting` ਸੈੱਟ ਕਰ ਸਕਦੇ ਹੋ, `pronunciation_dict` ਲਾਗੂ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ 38 ਵਿਕਲਪਾਂ ਵਿੱਚੋਂ `language_boost` ਚੁਣ ਸਕਦੇ ਹੋ। `output_format` url ਜਾਂ ਹੈਕਸ ਹੋ ਸਕਦਾ ਹੈ। ਨਤੀਜੇ ਵਿੱਚ ਆਡੀਓ ਫ਼ਾਈਲ ਅਤੇ ਇਸਦੀ ਲੰਬਾਈ ਮਿਲੀਸਕਿੰਟਾਂ ਵਿੱਚ ਹੁੰਦੀ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
false ਸੈੱਟ ਕਰਕੇ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਢਿੱਲਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੇ ਕਾਲਰ ਅਧਿਕਾਰਤ ਹੋਵੇ।
textਲੋੜੀਂਦਾ
ਕਿਸਮstring
≤ 5,000 ਅੱਖਰ
Speech ਇਨਪੁੱਟ ਟੈਕਸਟ, 5000 ਅੱਖਰਾਂ ਤੱਕ ਸੀਮਿਤ ਅਤੇ ਘੱਟੋ-ਘੱਟ 1 non-whitespace ਅੱਖਰ ਲੋੜੀਂਦਾ।
voice_settingਵਿਕਲਪਿਕ
ਕਿਸਮobject
ਡਿਫ਼ਾਲਟ{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
ਆਵਾਜ਼ ਨੂੰ ਸੰਰਚਿਤ ਕਰਨ ਲਈ ਸੈਟਿੰਗਾਂ।
voice_setting.voice_idਵਿਕਲਪਿਕ
ਕਿਸਮstring
ਡਿਫ਼ਾਲਟWise_Woman
≥ 1 characters
Speech synthesis ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਪਹਿਲਾਂ-ਤੋਂ ਨਿਰਧਾਰਤ voice identifier।
voice_setting.speedਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ1
0.5 – 2
ਬੋਲਣ ਦੀ ਦਰ, 0.5 ਤੋਂ 2.0 ਤੱਕ।
voice_setting.volਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ1
0.01 – 10
ਆਉਟਪੁੱਟ ਵਾਲਿਊਮ, 0 ਤੋਂ 10 ਤੱਕ।
voice_setting.pitchਵਿਕਲਪਿਕ
ਕਿਸਮinteger
ਡਿਫ਼ਾਲਟ0
-12 – 12
ਆਵਾਜ਼ ਦੀ ਪਿਚ, -12 ਤੋਂ 12 ਤੱਕ।
voice_setting.emotionਵਿਕਲਪਿਕ
ਕਿਸਮenum
happysadangryfearfuldisgustedsurprisedneutral
ਸਿੰਥੇਸਾਈਜ਼ ਕੀਤੀ ਬੋਲੀ ਦਾ ਭਾਵਨਾਤਮਕ ਲਹਿਜ਼ਾ।
voice_setting.english_normalizationਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟfalse
ਅੰਗਰੇਜ਼ੀ ਟੈਕਸਟ-ਸਧਾਰਣੀਕਰਨ ਵਿਕਲਪ, ਜੋ ਸੰਖਿਆਵਾਂ ਦੀ ਬਿਹਤਰ ਪੜ੍ਹਤ ਲਈ ਥੋੜ੍ਹੀ ਵਾਧੂ ਦੇਰੀ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ।
audio_settingਵਿਕਲਪਿਕ
ਕਿਸਮobject
ਆਡੀਓ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰਨ ਲਈ ਸੈਟਿੰਗਾਂ।
audio_setting.sample_rateਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ32000
80001600022050240003200044100
ਤਿਆਰ ਕੀਤੇ ਆਡੀਓ ਦੀ ਸੈਂਪਲਿੰਗ ਦਰ।
audio_setting.bitrateਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ128000
3200064000128000256000
ਤਿਆਰ ਕੀਤੇ ਆਡੀਓ ਦਾ ਬਿਟਰੇਟ।
audio_setting.formatਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟmp3
mp3pcmflac
ਆਡੀਓ ਦਾ ਫਾਰਮੈਟ।
audio_setting.channelਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟ1
12
ਆਡੀਓ ਚੈਨਲਾਂ ਦੀ ਗਿਣਤੀ: ਮੋਨੋ ਲਈ 1 ਜਾਂ ਸਟੀਰੀਓ ਲਈ 2।
language_boostਵਿਕਲਪਿਕ
ਕਿਸਮenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 ਹੋਰKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
ਚੁਣੀਆਂ ਗਈਆਂ ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਉਪਭਾਸ਼ਾਵਾਂ ਲਈ ਪਛਾਣ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦਾ ਹੈ।
output_formatਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟhex
urlhex
ਆਉਟਪੁੱਟ ਸਮੱਗਰੀ ਦਾ ਫਾਰਮੈਟ; ਸਿਰਫ਼ ਗੈਰ-ਸਟ੍ਰੀਮਿੰਗ ਜਵਾਬਾਂ 'ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ।
pronunciation_dictਵਿਕਲਪਿਕ
ਕਿਸਮobject
ਟੈਕਸਟ ਨੂੰ ਬਦਲਣ ਲਈ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਉਚਾਰਣਾਂ ਦਾ ਕਸਟਮ ਸ਼ਬਦਕੋਸ਼।
pronunciation_dict.tone_listਵਿਕਲਪਿਕ
ਕਿਸਮstring[]
['text/(pronunciation)', ...] ਸਿੰਟੈਕਸ ਵਰਤਣ ਵਾਲੀ ਉਚਾਰਣ-ਬਦਲੀ ਸੂਚੀ, ਉਦਾਹਰਨ ਲਈ ['燕少飞/(yan4)(shao3)(fei1)']। ਚੀਨੀ ਸੁਰ-ਸੰਖਿਆਵਾਂ 1 ਤੋਂ 5 ਤੱਕ ਹੁੰਦੀਆਂ ਹਨ।
ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-02-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": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "text": "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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
audio
object {url, content_type, file_name, file_size}ਸਿਰਜਣਾ ਨਾਲ ਬਣੀ ਆਡੀਓ ਫ਼ਾਈਲ।
duration_ms
integerਆਡੀਓ ਦੀ ਲੰਬਾਈ, ਮਿਲੀਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਗਈ।

ਹੋਰ ਮਾਡਲ: ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/minimax/speech-02-hd.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt