ข้ามไปยังเนื้อหา

MiniMax Speech 2.6 [HD]

ผสานการทำงาน

ID โมเดล 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"

คำขอนี้: $0.005 5 เครดิต API เรียกใช้ในหน้านี้

รับคีย์ API

Speech 2.6 HD text-to-speech รองรับ 10,000 อักขระ เครื่องหมายหยุดชั่วคราว และการปรับระดับความดังให้เป็นมาตรฐาน

MiniMax · เสียง

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

•จำเป็น 50 / 10000

ข้อความอินพุตสำหรับเสียงพูด โดยขึ้นบรรทัดใหม่เพื่อระบุขอบเขตย่อหน้า และใช้เครื่องหมาย `<#x#>` ได้เพื่อควบคุมช่วงหยุด ใส่เครื่องหมายเฉพาะระหว่างส่วนที่พูดได้เท่านั้น ห้ามใส่ติดกัน โดย `x` ระบุช่วงหยุดเป็นวินาทีภายใน `[0.01, 99.99]` และใช้ทศนิยมได้ไม่เกินสองตำแหน่ง

ขั้นสูง output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict · normalization_setting
output_format ค่าเริ่มต้น hex

รูปแบบเนื้อหาเอาต์พุต ใช้กับการตอบกลับที่ไม่ใช่แบบสตรีมเท่านั้น

ปรับปรุงการรู้จำสำหรับภาษาและสำเนียงที่เลือก

ค่าเริ่มต้น {"english_normalizati...

การตั้งค่าสำหรับกำหนดค่าเสียง

การตั้งค่าสำหรับกำหนดค่าเสียง

พจนานุกรมการออกเสียงแบบกำหนดเองที่ใช้แทนที่ข้อความ

การตั้งค่าที่ควบคุมการปรับมาตรฐานความดังของเสียง

POST /run/minimax/speech-2.6-hd?wait=20 ใบเสนอราคา → $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"

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ MiniMax Speech 2.6 [HD]

อ่านข้อความที่ระบุใน `prompt` (สูงสุด 10000 อักขระ) ออกเสียง โดยแบ่งย่อหน้าด้วยการขึ้นบรรทัดใหม่และแทรกช่วงหยุดแบบกำหนดเองด้วยเครื่องหมาย `<#x#>` นอกจาก `voice_setting`, `audio_setting`, `language_boost` (38 ตัวเลือก) และ `pronunciation_dict` แล้ว ยังเพิ่ม `normalization_setting` สำหรับควบคุมความดัง เอาต์พุตคือเสียงพร้อมระยะเวลาเป็นมิลลิวินาที

พารามิเตอร์

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
สามารถผ่อนปรนการคัดกรองได้โดยตั้งค่าเป็น false หากผู้เรียกมีสิทธิ์
promptจำเป็น
ประเภทstring
≤ 10,000 อักขระ
ข้อความอินพุตสำหรับเสียงพูด โดยขึ้นบรรทัดใหม่เพื่อระบุขอบเขตย่อหน้า และใช้เครื่องหมาย `<#x#>` ได้เพื่อควบคุมช่วงหยุด ใส่เครื่องหมายเฉพาะระหว่างส่วนที่พูดได้เท่านั้น ห้ามใส่ติดกัน โดย `x` ระบุช่วงหยุดเป็นวินาทีภายใน `[0.01, 99.99]` และใช้ทศนิยมได้ไม่เกินสองตำแหน่ง
voice_settingไม่บังคับ
ประเภทobject
ค่าเริ่มต้น{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
การตั้งค่าสำหรับกำหนดค่าเสียง
voice_setting.voice_idไม่บังคับ
ประเภทstring
ค่าเริ่มต้นWise_Woman
≥ 1 characters
ตัวระบุเสียงที่กำหนดไว้ล่วงหน้าสำหรับการสังเคราะห์เสียงพูด
voice_setting.speedไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น1
0.5 – 2
อัตราการพูด ตั้งแต่ 0.5 ถึง 2.0
voice_setting.volไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น1
0.01 – 10
ระดับเสียงเอาต์พุต ตั้งแต่ 0 ถึง 10
voice_setting.pitchไม่บังคับ
ประเภทinteger
ค่าเริ่มต้น0
-12 – 12
ระดับเสียงของเสียงพูด อยู่ในช่วง -12 ถึง 12
voice_setting.emotionไม่บังคับ
ประเภทenum
happysadangryfearfuldisgustedsurprisedneutral
โทนอารมณ์ของเสียงพูดสังเคราะห์
voice_setting.english_normalizationไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นfalse
ตัวเลือกการปรับรูปแบบข้อความภาษาอังกฤษให้เป็นมาตรฐาน ซึ่งเพิ่มเวลาแฝงเล็กน้อยเพื่อให้อ่านตัวเลขได้ดีขึ้น
audio_settingไม่บังคับ
ประเภทobject
การตั้งค่าสำหรับกำหนดค่าเสียง
audio_setting.sample_rateไม่บังคับ
ประเภทenum
ค่าเริ่มต้น32000
80001600022050240003200044100
อัตราการสุ่มตัวอย่างสำหรับเสียงที่สร้างขึ้น
audio_setting.bitrateไม่บังคับ
ประเภทenum
ค่าเริ่มต้น128000
3200064000128000256000
บิตเรตสำหรับเสียงที่สร้างขึ้น
audio_setting.formatไม่บังคับ
ประเภทenum
ค่าเริ่มต้นmp3
mp3pcmflac
รูปแบบของเสียง
audio_setting.channelไม่บังคับ
ประเภทenum
ค่าเริ่มต้น1
12
จำนวนช่องสัญญาณเสียง: 1 สำหรับโมโน หรือ 2 สำหรับสเตอริโอ
language_boostไม่บังคับ
ประเภทenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
เพิ่มเติมอีก 22 ค่าKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
ปรับปรุงการรู้จำสำหรับภาษาและสำเนียงที่เลือก
output_formatไม่บังคับ
ประเภทenum
ค่าเริ่มต้นhex
urlhex
รูปแบบเนื้อหาเอาต์พุต ใช้กับการตอบกลับที่ไม่ใช่แบบสตรีมเท่านั้น
pronunciation_dictไม่บังคับ
ประเภทobject
พจนานุกรมการออกเสียงแบบกำหนดเองที่ใช้แทนที่ข้อความ
pronunciation_dict.tone_listไม่บังคับ
ประเภทstring[]
รายการแทนที่การออกเสียงโดยใช้ไวยากรณ์ ['text/(pronunciation)', ...] เช่น ['燕少飞/(yan4)(shao3)(fei1)'] ตัวเลขวรรณยุกต์ภาษาจีนอยู่ในช่วง 1 ถึง 5
normalization_settingไม่บังคับ
ประเภทobject
การตั้งค่าที่ควบคุมการปรับมาตรฐานความดังของเสียง
normalization_setting.enabledไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
เปิดใช้การปรับมาตรฐานความดังของเสียง
normalization_setting.target_loudnessไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น-18
-70 – -10
ความดังที่ต้องการ วัดเป็น LUFS ค่าเริ่มต้นคือ -18.0
normalization_setting.target_rangeไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น8
0 – 20
ช่วงความดังที่ต้องการ วัดเป็น LU ค่าเริ่มต้นคือ 8.0
normalization_setting.target_peakไม่บังคับ
ประเภทnumber
ค่าเริ่มต้น-0.5
-3 – 0
ระดับพีกที่ต้องการ วัดเป็น dBTP ค่าเริ่มต้นคือ -0.5
จำเป็น

เอาต์พุต

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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
audio
object {url, content_type, file_name, file_size}ไฟล์เสียงที่สร้างขึ้น
duration_ms
integerความยาวเสียง วัดเป็นมิลลิวินาที

โมเดลเพิ่มเติม: ข้อความเป็นเสียงพูด

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/minimax/speech-2.6-hd.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt