Przejdź do treści

Minimax · Preview · Speech 2.5 HD

Integracja

Identyfikator modelu minimax/preview/speech-2.5-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/preview/speech-2.5-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"

To żądanie: 0,005 $ 5 kredytów API Uruchom na tej stronie

Uzyskaj klucz API
MiniMax Tekst na mowę #speech

Preview speech 2.5 HD text-to-speech z szeroką listą obsługiwanych języków i regulowanymi ustawieniami głosu

Utworzone w Doitong

Publiczne prace utworzone za pomocą MiniMax Preview przez społeczność Doitong. Użyj ponownie promptu jednym kliknięciem.

Pokazane publiczne prace: 16
Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly c... Wideo

Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly coiled around her head and neck, its scales glistening in soft, diffused light. The camera gently zooms in, emphasizing the intricate texture of the snake’s scales and the model’s striking facial...

Animate the stickman drawings into a smooth dance animation. The simple black stick figure perfor... Wideo

Animate the stickman drawings into a smooth dance animation. The simple black stick figure performs fun rhythmic dance moves — waving its arms, bending knees, jumping lightly, spinning, and swaying side to side in time with upbeat music. Keep the white background clean and minimal. The motion...

A hyper-realistic, cinematic transformation sequence of the man in the uploaded image, sitting in... Wideo

A hyper-realistic, cinematic transformation sequence of the man in the uploaded image, sitting in meditation inside a traditional Japanese room. The atmosphere begins to tremble slightly as soft blue light flows around him. From the ground, thousands of magnetic nano-particles rise, shimmering...

A cinematic transformation video of the man. The scene begins with him standing naturally, then l... Wideo

A cinematic transformation video of the man. The scene begins with him standing naturally, then looking down at his hands as glowing holographic projections appear around his body. Mechanical parts of the Iron Man armor start assembling piece by piece with smooth animation: chest plate forming,...

An ultra-epic anime cinematic of Luffy’s greatest enemy unleashing a terrifying blind rage, rampa... Wideo

An ultra-epic anime cinematic of Luffy’s greatest enemy unleashing a terrifying blind rage, rampaging uncontrollably against nature itself. His gigantic body is surrounded by a storm of black and crimson energy, crackling with lightning that scorches the ground. His roar shakes the heavens,...

A fair-skinned red-haired woman with freckles tightly embraces a majestic white tiger with faint ... Wideo

A fair-skinned red-haired woman with freckles tightly embraces a majestic white tiger with faint reddish stripes. They remain close, perfectly synchronized in stillness. The woman blinks slowly, slightly tilting her head with a serious and intense expression. The tiger breathes gently — its...

The snowboarder is riding across massive, fluffy white clouds as if they were snow-covered mounta... Wideo

The snowboarder is riding across massive, fluffy white clouds as if they were snow-covered mountains, with dramatic lighting and deep shadows adding volume and realism. The background shows a stunning blue sky with scattered soft clouds and subtle light rays. crisp cinematic quality, vivid...

Вертикальное кинематографичное видео 9:16, 6 секунд, один непрерывный план. Начать точно с исходн... Wideo

Вертикальное кинематографичное видео 9:16, 6 секунд, один непрерывный план. Начать точно с исходного изображения. Женщина стоит босиком у самой кромки моря, спиной к камере, лицом к закату. Небольшая прозрачная волна плавно подкатывает к ней, мягко касается ступней под подолом и нижнего края...

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane 50 / 5000

Tekst wejściowy mowy, ograniczony do 5000 znaków i wymagający co najmniej 1 znaku innego niż biały znak.

Zaawansowane output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format domyślnie hex

Format treści wyniku; dotyczy tylko odpowiedzi niestrumieniowanych.

Poprawia rozpoznawanie dla wybranych języków i dialektów.

domyślnie {"english_normalizati...

Ustawienia konfiguracji głosu.

Ustawienia konfiguracji audio.

Niestandardowy słownik wymowy używany do zastępowania tekstu.

POST /run/minimax/preview/speech-2.5-hd?wait=20 wycena → 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/preview/speech-2.5-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"

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Minimax · Preview · Speech 2.5 HD

Przekształca maksymalnie 5000 znaków `text` w mowę. `voice_setting` steruje głosem, szybkością i wysokością (domyślny głos Wise_Woman), a `language_boost` może uwydatnić jeden z 41 języków i dialektów. `pronunciation_dict` umożliwia niestandardowe zastępowanie słów, a `output_format` zwraca adres URL lub dane hex. Odpowiedź zawiera audio i jego czas trwania w milisekundach.

Parametry

NazwaTyp DomyślneDozwolone Opis
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Filtrowanie można złagodzić, ustawiając false, jeśli wywołujący ma odpowiednie uprawnienia.
textwymagane
Typstring
≤ 5000 znaków
Tekst wejściowy mowy, ograniczony do 5000 znaków i wymagający co najmniej 1 znaku innego niż biały znak.
voice_settingopcjonalne
Typobject
Domyślne{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Ustawienia konfiguracji głosu.
voice_setting.voice_idopcjonalne
Typstring
DomyślneWise_Woman
≥ 1 characters
Predefiniowany identyfikator głosu używany do syntezy mowy.
voice_setting.speedopcjonalne
Typnumber
Domyślne1
0,5 – 2
Szybkość mówienia w zakresie od 0.5 do 2.0.
voice_setting.volopcjonalne
Typnumber
Domyślne1
0,01 – 10
Głośność wyniku w zakresie od 0 do 10.
voice_setting.pitchopcjonalne
Typinteger
Domyślne0
-12 – 12
Wysokość głosu w zakresie od -12 do 12.
voice_setting.emotionopcjonalne
Typenum
happysadangryfearfuldisgustedsurprisedneutral
Ton emocjonalny syntetyzowanej mowy.
voice_setting.english_normalizationopcjonalne
Typboolean
Domyślnefalse
Opcja normalizacji tekstu angielskiego, która poświęca niewielki dodatkowy czas odpowiedzi na rzecz lepszego odczytywania liczb.
audio_settingopcjonalne
Typobject
Ustawienia konfiguracji audio.
audio_setting.sample_rateopcjonalne
Typenum
Domyślne32000
80001600022050240003200044100
Częstotliwość próbkowania wygenerowanego audio.
audio_setting.bitrateopcjonalne
Typenum
Domyślne128000
3200064000128000256000
Przepływność wygenerowanego audio.
audio_setting.formatopcjonalne
Typenum
Domyślnemp3
mp3pcmflac
Format audio.
audio_setting.channelopcjonalne
Typenum
Domyślne1
12
Liczba kanałów audio: 1 dla mono lub 2 dla stereo.
language_boostopcjonalne
Typenum
PersianFilipinoTamilChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnamese
+25 więcejIndonesianJapaneseItalianKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Poprawia rozpoznawanie dla wybranych języków i dialektów.
output_formatopcjonalne
Typenum
Domyślnehex
urlhex
Format treści wyniku; dotyczy tylko odpowiedzi niestrumieniowanych.
pronunciation_dictopcjonalne
Typobject
Niestandardowy słownik wymowy używany do zastępowania tekstu.
pronunciation_dict.tone_listopcjonalne
Typstring[]
Lista zamian wymowy używająca składni ['text/(pronunciation)', ...], na przykład ['燕少飞/(yan4)(shao3)(fei1)']. Chińskie numery tonów mieszczą się w zakresie od 1 do 5.
wymagane

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/preview/speech-2.5-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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
audio
object {url, content_type, file_name, file_size}Plik audio utworzony w wyniku generowania.
duration_ms
integerDługość audio mierzona w milisekundach.

Więcej modeli: Tekst na mowę

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/minimax/preview/speech-2.5-hd.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt