ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

MiniMax Speech 2.6 [HD]

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id minimax/speech-2.6-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-2.6-hd?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"

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

API ਕੁੰਜੀ ਲਵੋ
MiniMax ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ #text-to-speech

Speech 2.6 HD ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ, ਜੋ 10,000 ਅੱਖਰ, ਵਿਰਾਮ ਮਾਰਕਰ ਅਤੇ ਉੱਚੀ ਆਵਾਜ਼ ਦਾ ਸਧਾਰਨੀਕਰਨ ਸਵੀਕਾਰਦਾ ਹੈ

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 / 10000

ਬੋਲੀ ਇਨਪੁੱਟ ਟੈਕਸਟ, ਜਿਸ ਵਿੱਚ ਨਵੀਆਂ ਲਾਈਨਾਂ ਪੈਰਾਗ੍ਰਾਫ਼ ਦੀਆਂ ਹੱਦਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਅਤੇ ਵਿਕਲਪਿਕ `<#x#>` ਮਾਰਕਰ ਠਹਿਰਾਵਾਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੇ ਹਨ। ਮਾਰਕਰ ਸਿਰਫ਼ ਬੋਲਣਯੋਗ ਹਿੱਸਿਆਂ ਦੇ ਵਿਚਕਾਰ ਰੱਖੋ, ਲਗਾਤਾਰ ਨਹੀਂ; `x` `[0.01, 99.99]` ਦੇ ਅੰਦਰ ਸਕਿੰਟਾਂ ਵਿੱਚ ਠਹਿਰਾਵ ਦਿੰਦਾ ਹੈ ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਦੋ ਦਸ਼ਮਲਵ ਸਥਾਨ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ।

ਉੱਨਤ output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict · normalization_setting
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।

ਆਡੀਓ ਦੀ ਉੱਚੀ ਆਵਾਜ਼ ਦੇ ਸਧਾਰਣੀਕਰਨ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਵਾਲੀਆਂ ਸੈਟਿੰਗਾਂ।

POST /run/minimax/speech-2.6-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-2.6-hd?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"

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 2.6 [HD] ਬਾਰੇ

`prompt` ਵਿੱਚ ਦਿੱਤੇ ਟੈਕਸਟ (ਵੱਧ ਤੋਂ ਵੱਧ 10000 ਅੱਖਰ) ਨੂੰ ਉੱਚੀ ਆਵਾਜ਼ ਵਿੱਚ ਪੜ੍ਹਦਾ ਹੈ। ਪੈਰਾਗ੍ਰਾਫ਼ ਬ੍ਰੇਕ ਨਵੀਂ ਲਾਈਨਾਂ ਨਾਲ ਅਤੇ ਕਸਟਮ ਵਿਰਾਮ `<#x#>` ਮਾਰਕਰਾਂ ਨਾਲ ਜੋੜੇ ਜਾਂਦੇ ਹਨ। `voice_setting`, `audio_setting`, 38 ਵਿਕਲਪਾਂ ਵਾਲੇ `language_boost` ਅਤੇ `pronunciation_dict` ਤੋਂ ਇਲਾਵਾ, ਇਹ ਆਵਾਜ਼ ਦੇ ਨਿਯੰਤਰਣ ਲਈ `normalization_setting` ਜੋੜਦਾ ਹੈ। ਆਉਟਪੁੱਟ ਆਡੀਓ ਅਤੇ ਇਸ ਦੀ ਮਿਆਦ ਮਿਲੀਸਕਿੰਟ 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।
promptਲੋੜੀਂਦਾ
ਕਿਸਮstring
≤ 10,000 ਅੱਖਰ
ਬੋਲੀ ਇਨਪੁੱਟ ਟੈਕਸਟ, ਜਿਸ ਵਿੱਚ ਨਵੀਆਂ ਲਾਈਨਾਂ ਪੈਰਾਗ੍ਰਾਫ਼ ਦੀਆਂ ਹੱਦਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਅਤੇ ਵਿਕਲਪਿਕ `<#x#>` ਮਾਰਕਰ ਠਹਿਰਾਵਾਂ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਦੇ ਹਨ। ਮਾਰਕਰ ਸਿਰਫ਼ ਬੋਲਣਯੋਗ ਹਿੱਸਿਆਂ ਦੇ ਵਿਚਕਾਰ ਰੱਖੋ, ਲਗਾਤਾਰ ਨਹੀਂ; `x` `[0.01, 99.99]` ਦੇ ਅੰਦਰ ਸਕਿੰਟਾਂ ਵਿੱਚ ਠਹਿਰਾਵ ਦਿੰਦਾ ਹੈ ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਦੋ ਦਸ਼ਮਲਵ ਸਥਾਨ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ।
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।
normalization_settingਵਿਕਲਪਿਕ
ਕਿਸਮobject
ਆਡੀਓ ਦੀ ਉੱਚੀ ਆਵਾਜ਼ ਦੇ ਸਧਾਰਣੀਕਰਨ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰਨ ਵਾਲੀਆਂ ਸੈਟਿੰਗਾਂ।
normalization_setting.enabledਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
ਆਡੀਓ ਦੀ ਉੱਚੀ ਆਵਾਜ਼ ਦਾ ਸਧਾਰਣੀਕਰਨ ਚਾਲੂ ਕਰਦਾ ਹੈ।
normalization_setting.target_loudnessਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ-18
-70 – -10
ਲੋੜੀਂਦੀ ਉੱਚੀ ਆਵਾਜ਼, LUFS ਵਿੱਚ ਮਾਪੀ ਗਈ; ਪੂਰਵ-ਨਿਰਧਾਰਤ ਮੁੱਲ -18.0 ਹੈ।
normalization_setting.target_rangeਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ8
0 – 20
ਲੋੜੀਂਦੀ ਉੱਚੀ ਆਵਾਜ਼ ਦੀ ਰੇਂਜ, LU ਵਿੱਚ ਮਾਪੀ ਗਈ; ਪੂਰਵ-ਨਿਰਧਾਰਤ ਮੁੱਲ 8.0 ਹੈ।
normalization_setting.target_peakਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ-0.5
-3 – 0
ਲੋੜੀਂਦਾ ਪੀਕ ਪੱਧਰ, dBTP ਵਿੱਚ ਮਾਪਿਆ ਗਿਆ; ਪੂਰਵ-ਨਿਰਧਾਰਤ ਮੁੱਲ -0.5 ਹੈ।
ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.6-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": {
    "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"
  }
}
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-2.6-hd.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt