Hoppa till innehåll

MiniMax Speech 2.8 HD

Integrera

Modell-id 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"

Den här begäran: 0,019 $ 19 API-krediter Kör den på den här sidan

Hämta API-nyckel
MiniMax Text till tal #voiceover#multilingual#hd

MiniMax text-till-tal i hög upplösning på över 30 språk med pauser, känslor och uttalskontroll.

Exempel

Resultat · ~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 API-krediter

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt 182 / 10000

Text för talsyntes, med pauser angivna av `<#x#>` där x sträcker sig från 0.01 till 99.99 sekunder. Tillgängliga interjektionstaggar är `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` och `(yawns)`.

Avancerat output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
output_format standard hex

Format för utdatainnehåll; gäller endast icke-strömmande svar.

Förbättrar igenkänningen för de valda språken och dialekterna.

standard {"english_normalizati...

Inställningar för konfigurering av rösten.

Inställningar för konfigurering av ljud.

Anpassad ordbok med uttal som används för att ersätta text.

Inställningar som styr normalisering av ljudstyrka.

Inställningar för att ändra röstens tonhöjd, intensitet och klangfärg.

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

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om MiniMax Speech 2.8 HD

MiniMax Speech 2.8 HD läser upp text på fler än 30 språk med detaljerad kontroll: infogade pausmarkörer, röstens hastighet, tonhöjd och volym, anpassade uttalsordböcker och rösteffekter. Välj bland de inbyggda rösterna och utdataformatets samplingsfrekvens.

Parametrar

NamnTyp StandardTillåtna Beskrivning
promptobligatoriskt
Typstring
≤ 10 000 tecken
Text för talsyntes, med pauser angivna av `<#x#>` där x sträcker sig från 0.01 till 99.99 sekunder. Tillgängliga interjektionstaggar är `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` och `(yawns)`.
voice_settingvalfritt
Typobject
Standard{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Inställningar för konfigurering av rösten.
voice_setting.voice_idvalfritt
Typstring
StandardWise_Woman
≥ 1 characters
Fördefinierad röstidentifierare som används för talsyntes.
voice_setting.speedvalfritt
Typnumber
Standard1
0,5 – 2
Taltakt, från 0.5 till 2.0.
voice_setting.volvalfritt
Typnumber
Standard1
0,01 – 10
Utdata-volym, från 0 till 10.
voice_setting.pitchvalfritt
Typinteger
Standard0
−12 – 12
Röstens tonhöjd, från -12 till 12.
voice_setting.emotionvalfritt
Typenum
happysadangryfearfuldisgustedsurprisedneutral
Känslomässig ton i det syntetiserade talet.
voice_setting.english_normalizationvalfritt
Typboolean
Standardfalse
Alternativ för normalisering av engelsk text som byter en liten mängd extra fördröjning mot bättre uppläsning av siffror.
audio_settingvalfritt
Typobject
Inställningar för konfigurering av ljud.
audio_setting.sample_ratevalfritt
Typenum
Standard32000
80001600022050240003200044100
Samplingsfrekvens för det skapade ljudet.
audio_setting.bitratevalfritt
Typenum
Standard128000
3200064000128000256000
Bithastighet för det skapade ljudet.
audio_setting.formatvalfritt
Typenum
Standardmp3
mp3pcmflac
Format för ljudet.
audio_setting.channelvalfritt
Typenum
Standard1
12
Antal ljudkanaler: 1 för mono eller 2 för stereo.
language_boostvalfritt
Typenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 tillKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Förbättrar igenkänningen för de valda språken och dialekterna.
output_formatvalfritt
Typenum
Standardhex
urlhex
Format för utdatainnehåll; gäller endast icke-strömmande svar.
pronunciation_dictvalfritt
Typobject
Anpassad ordbok med uttal som används för att ersätta text.
pronunciation_dict.tone_listvalfritt
Typstring[]
Lista över uttalsersättningar med syntaxen ['text/(uttal)', ...], till exempel ['燕少飞/(yan4)(shao3)(fei1)']. Kinesiska tonnummer sträcker sig från 1 till 5.
normalization_settingvalfritt
Typobject
Inställningar som styr normalisering av ljudstyrka.
normalization_setting.enabledvalfritt
Typboolean
Standardtrue
Aktiverar normalisering av ljudstyrka.
normalization_setting.target_loudnessvalfritt
Typnumber
Standard-18
−70 – −10
Önskad ljudstyrka, mätt i LUFS; standardvärdet är -18.0.
normalization_setting.target_rangevalfritt
Typnumber
Standard8
0 – 20
Önskat ljudstyrkeintervall, mätt i LU; standardvärdet är 8.0.
normalization_setting.target_peakvalfritt
Typnumber
Standard-0.5
−3 – 0
Önskad toppnivå, mätt i dBTP; standardvärdet är -0.5.
voice_modifyvalfritt
Typobject
Inställningar för att ändra röstens tonhöjd, intensitet och klangfärg.
voice_modify.pitchvalfritt
Typinteger
Standard0
−100 – 100
Tonhöjdskontroll mätt i halvtoner: använd ett negativt värde för att sänka rösten eller ett positivt för att höja den. Tillåtna värden sträcker sig från -100 till 100.
voice_modify.intensityvalfritt
Typinteger
Standard0
−100 – 100
Kontroll av röstenergi som gör talet mer energiskt när inställningen ökar. Tillåtet intervall är -100 till 100.
voice_modify.timbrevalfritt
Typinteger
Standard0
−100 – 100
Justering av röstens klangfärg från -100 till 100, som styr dess tonala karaktär.
obligatoriskt

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio
object {url, content_type, file_name, file_size}Ljudfil som producerats genom generering.
duration_ms
integerLjudlängd, mätt i millisekunder.

Fler modeller: Text till tal

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/minimax/speech-2.8-hd.md. Alla modeller och guider: https://doitong.com/developers/llms.txt