مواد پر جائیں

MiniMax Speech-02 HD

انٹیگریٹ کریں

ماڈل id minimax/speech-02-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-02-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"

یہ درخواست: ⁨$0.005⁩ 5 API کریڈٹس اس صفحے پر چلائیں

API کلید حاصل کریں
MiniMax متن سے آواز #speech

Speech-02 HD ٹیکسٹ ٹو اسپیچ، قابلِ انتخاب آوازوں، تلفظ کی لغت اور زبان کے فروغ کے ساتھ

MiniMax · آڈیو

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی 50 / 5000

گفتار کے لیے ان پٹ متن، زیادہ سے زیادہ 5000 حروف، جس میں کم از کم 1 حرف خالی جگہ کے علاوہ ہونا ضروری ہے۔

ایڈوانسڈ output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format ڈیفالٹ hex

آؤٹ پٹ کے مواد کا فارمیٹ؛ صرف non-streaming جوابات پر لاگو ہوتا ہے۔

منتخب languages اور dialects کے لیے recognition بہتر بناتا ہے۔

ڈیفالٹ {"english_normalizati...

Voice کو configure کرنے کی settings۔

آڈیو configure کرنے کی settings۔

تلفظات کی حسبِ ضرورت لغت، جو متن کو تبدیل کرنے کے لیے استعمال ہوتی ہے۔

POST /run/minimax/speech-02-hd?wait=20 قیمت → ⁨$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-02-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"

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

MiniMax Speech-02 HD کے بارے میں

Speech-02 کے HD معیار والے ورژن سے `text` کے زیادہ سے زیادہ 5000 حروف کی اسپیچ تیار کرتا ہے۔ آپ `voice_setting` کے ذریعے آواز کو ایڈجسٹ، `audio_setting` سیٹ، `pronunciation_dict` لاگو، اور 38 اختیارات میں سے `language_boost` منتخب کر سکتے ہیں۔ `output_format`، url یا hex ہو سکتا ہے۔ نتیجے میں آڈیو فائل اور ملی سیکنڈز میں اس کی لمبائی شامل ہوتی ہے۔

پیرامیٹرز

نامقسم ڈیفالٹمجاز تفصیل
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
false سیٹ کر کے اسکریننگ نرم کی جا سکتی ہے، بشرطیکہ کال کرنے والا مجاز ہو۔
textلازمی
قسمstring
≤ 5,000 کریکٹرز
گفتار کے لیے ان پٹ متن، زیادہ سے زیادہ 5000 حروف، جس میں کم از کم 1 حرف خالی جگہ کے علاوہ ہونا ضروری ہے۔
voice_settingاختیاری
قسمobject
ڈیفالٹ{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Voice کو configure کرنے کی settings۔
voice_setting.voice_idاختیاری
قسمstring
ڈیفالٹWise_Woman
≥ 1 characters
Speech synthesis کے لیے استعمال ہونے والا predefined voice identifier۔
voice_setting.speedاختیاری
قسمnumber
ڈیفالٹ1
0.5 – 2
Speaking rate، 0.5 سے 2.0 تک۔
voice_setting.volاختیاری
قسمnumber
ڈیفالٹ1
0.01 – 10
آؤٹ پٹ volume، 0 سے 10 تک۔
voice_setting.pitchاختیاری
قسمinteger
ڈیفالٹ0
-12 – 12
Voice pitch، -12 سے 12 تک۔
voice_setting.emotionاختیاری
قسمenum
happysadangryfearfuldisgustedsurprisedneutral
Synthesized speech کا emotional tone۔
voice_setting.english_normalizationاختیاری
قسمboolean
ڈیفالٹfalse
English text-normalization option جو numbers کی بہتر reading کے لیے معمولی اضافی latency قبول کرتا ہے۔
audio_settingاختیاری
قسمobject
آڈیو configure کرنے کی settings۔
audio_setting.sample_rateاختیاری
قسمenum
ڈیفالٹ32000
80001600022050240003200044100
تخلیق کردہ آڈیو کی sampling rate۔
audio_setting.bitrateاختیاری
قسمenum
ڈیفالٹ128000
3200064000128000256000
تخلیق کردہ آڈیو کا bitrate۔
audio_setting.formatاختیاری
قسمenum
ڈیفالٹmp3
mp3pcmflac
آڈیو کا format۔
audio_setting.channelاختیاری
قسمenum
ڈیفالٹ1
12
آڈیو channel count: mono کے لیے 1 یا stereo کے لیے 2۔
language_boostاختیاری
قسمenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 مزیدKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
منتخب languages اور dialects کے لیے recognition بہتر بناتا ہے۔
output_formatاختیاری
قسمenum
ڈیفالٹhex
urlhex
آؤٹ پٹ کے مواد کا فارمیٹ؛ صرف non-streaming جوابات پر لاگو ہوتا ہے۔
pronunciation_dictاختیاری
قسمobject
تلفظات کی حسبِ ضرورت لغت، جو متن کو تبدیل کرنے کے لیے استعمال ہوتی ہے۔
pronunciation_dict.tone_listاختیاری
قسمstring[]
['text/(pronunciation)', ...] نحو استعمال کرنے والی تلفظاتی تبدیلیوں کی فہرست، مثلاً ['燕少飞/(yan4)(shao3)(fei1)']۔ چینی لہجے کے اعداد 1 سے 5 تک ہوتے ہیں۔
لازمی

آؤٹ پٹ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-02-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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
audio
object {url, content_type, file_name, file_size}تخلیق کے ذریعے تیار ہونے والی آڈیو فائل۔
duration_ms
integerآڈیو کی لمبائی، ملی سیکنڈ میں ناپی جاتی ہے۔

مزید ماڈلز: متن سے آواز

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/minimax/speech-02-hd.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt