Przejdź do treści

MiniMax Voice Cloning

Integracja

Identyfikator modelu 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"

Pliki takie jak przykład: 1,52 $ 1520 kredytów API Twoje pliki są mierzone przed uruchomieniem Uruchom na tej stronie

Uzyskaj klucz API
MiniMax Tekst na mowę #speech

Klonuje głos z nagrania próbnego i zwraca wielokrotnego użytku identyfikator głosu oraz opcjonalny klip podglądowy

MiniMax · Audio

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

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

0 / 1000

Opcjonalny tekst do syntezy podglądu przy użyciu sklonowanego głosu.

•wymagane audio_url
Upuść plik lub

URL nagrania używanego do klonowania głosu. Głos staje się trwały po pierwszym użyciu z trasą text-to-speech (TTS), co musi nastąpić w ciągu 7 dni, aby uniknąć automatycznego usunięcia; nagranie źródłowe powinno trwać co najmniej 10 sekund.

Zaawansowane model · accuracy · enable_safety_checker · noise_reduction · need_volume_normalization
model domyślnie speech-02-hd

Model syntezy mowy dla podglądu: speech-02-hd, speech-02-turbo, speech-01-hd lub speech-01-turbo.

Próg dokładności walidacji tekstu w zakresie od 0 do 1.

POST /run/minimax/voice-clone?wait=20 wycena → 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"

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 Voice Cloning

Przyjmuje próbkę `audio_url`, która powinna trwać co najmniej 10 sekund, i tworzy niestandardowy głos. Odpowiedź zawiera `custom_voice_id` do późniejszego użycia w TTS. Podgląd jest generowany na podstawie `text` (do 1000 znaków) z wybranym `model` spośród speech-02-hd, speech-02-turbo, speech-01-hd i speech-01-turbo. Dostępne opcje to `noise_reduction` i `need_volume_normalization`.

Parametry

Wyślij nazwę kanoniczną albo natywną, nie obie. Nazwy kanoniczne

NazwaTyp DomyślneDozwolone Opis
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Filtrowanie można złagodzić, ustawiając false, jeśli wywołujący ma odpowiednie uprawnienia.
audio_urlwymagane audio
Typurl · audio
URL nagrania używanego do klonowania głosu. Głos staje się trwały po pierwszym użyciu z trasą text-to-speech (TTS), co musi nastąpić w ciągu 7 dni, aby uniknąć automatycznego usunięcia; nagranie źródłowe powinno trwać co najmniej 10 sekund.
noise_reductionopcjonalne
Typboolean
Domyślnefalse
Stosuje redukcję szumów do sklonowanego głosu.
need_volume_normalizationopcjonalne
Typboolean
Domyślnefalse
Stosuje normalizację głośności do sklonowanego głosu.
accuracyopcjonalne
Typnumber | null
0 – 1
Próg dokładności walidacji tekstu w zakresie od 0 do 1.
textopcjonalne
Typstring | null
DomyślneHello, this is a preview of your cloned voice! I hope you like it!
≤ 1000 znaków
Opcjonalny tekst do syntezy podglądu przy użyciu sklonowanego głosu.
modelopcjonalne
Typenum
Domyślnespeech-02-hd
speech-02-hdspeech-02-turbospeech-01-hdspeech-01-turbo
Model syntezy mowy dla podglądu: speech-02-hd, speech-02-turbo, speech-01-hd lub speech-01-turbo.
wymagane Nazwa kanoniczna, również akceptowana

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
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
custom_voice_id
stringIdentyfikator używany do zastosowania sklonowanego głosu w TTS.
audio
object {url, content_type, file_name, file_size} | nullPodgląd audio zsyntetyzowany przy użyciu sklonowanego głosu, jeśli zażądano.

Więcej modeli: Tekst na mowę

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