שפּרינגען צו אינהאַלט

MiniMax Speech 2.6 [Turbo]

אינטעגרירן

מאָדעל־id minimax/speech-2.6-turbo
# 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-turbo?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"

דער דאָזיקער ריקוועסט: ⁨$ 0.003⁩ 3 API־קרעדיטן לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
MiniMax טעקסט צו רעדע שנעל #text-to-speech

Speech 2.6 Turbo, די שנעלער 2.6 טעקסט-צו-רעדע מיט לאַנגן אַרייַנשרייַב, פּויזע־מאַרקירונגען און נאָרמאַליזאַציע

MiniMax · אַודיאָ

דאָ קומט אײַער ערשטער רעזולטאַט

בויט אונטן אַ בקשה און לויפט זי מיט אײַער API שליסל. רעזולטאַטן ווערן קאַפּירט צו אונדזער סטאָרידזש, געהאַלטן אויף אייביק אָדער 7 טעג אומזיסט.

בויען אַ בעטן

קאָנטראָלן ווערן דזשענערירט פֿון דעם מאָדעל־סכעמע. דער קאָד און דער פּרײַז דערהײַנטיקן זיך ווען איר ענדערט זיי.

•פארלאנגט 50 / 10000

טעקסט פֿון דער אַרײַנגעבונג פֿאַר רעדע, וווּ נײַע שורות צייכענען פּאַראַגראַף־גרענעצן און אָפּציאָנעלע `<#x#>` מאַרקערס קאָנטראָלירן פּויזעס. שטעלט מאַרקערס נאָר צווישן סעגמענטן וואָס ווערן גערעדט, קיינמאָל קאָנסעקוטיוו; `x` גיט די פּויזע אין סעקונדעס אין `[0.01, 99.99]`, מיט לכל הפּחות צוויי צענטל־ציפֿערן.

פֿאָרגעשריטן output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict · normalization_setting
output_format סטאַנדאַרט hex

פֿאָרמאַט פֿון דעם רעזולטאַט־אינהאַלט; גילט נאָר פֿאַר ניט־סטרימינג־רעספּאָנסן.

פֿאַרבעסערט דערקענונג פֿאַר די אויסגעקליבענע שפּראַכן און דיאַלעקטן.

סטאַנדאַרט {"english_normalizati...

איינשטעלונגען פֿאַר קאַנפֿיגורירן דעם קול.

באַשטעטיקונגען פֿאַר קאַנפֿיגורירן אַודיאָ.

קאַסטאַמייזד ווערטערבוך פֿון אויסשפּראַכן, גענוצט צו פֿאַרבייטן טעקסט.

סעטינגס וואָס קאָנטראָלירן די נאָרמאַליזאַציע פֿון אַודיאָ־לאָקקייט.

POST /run/minimax/speech-2.6-turbo?wait=20 פּרײַז → ⁨$ 0.003⁩
# 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-turbo?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"

לויפֿן דעם ריקוועסט

אײַער key בלײַבט אין דעם בלעטערער: זי ווערט געשיקט נאָר צום Doitong API און אָפּגעהיט (localStorage) נאָר אויב איר טיקט אָן געדענקען. באַקומען אַן API שליסל

וועגן MiniMax Speech 2.6 [Turbo]

א Turbo־קלאַס 2.6 רעדע־מאָדעל וואָס נעמט אַרויף צו 10000 אותיות אין `prompt`, מיט פּאַראַגראַף־איבערברוכן דורך נײַע שורות און `<#x#>` פּויזע־מאַרקירונגען. עס שטיצט `voice_setting`, `audio_setting`, `pronunciation_dict`, אַ `language_boost` מיט 38 אָפּציעס, און `normalization_setting` פֿאַר לאַוטנעס. קלויבט url אָדער hex מיט `output_format`; דער ענטפֿער נעמט אַרײַן דעם געדויער אין מיליסעקונדעס.

פּאַראַמעטערס

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
enable_safety_checkerאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
סקרינינג קען ווערן פאַרלייכטערט דורך שטעלן false, אויב דער רופער איז אָטעריזירט.
promptפארלאנגט
טיפּstring
≤ 10,000 כאַראַקטערן
טעקסט פֿון דער אַרײַנגעבונג פֿאַר רעדע, וווּ נײַע שורות צייכענען פּאַראַגראַף־גרענעצן און אָפּציאָנעלע `<#x#>` מאַרקערס קאָנטראָלירן פּויזעס. שטעלט מאַרקערס נאָר צווישן סעגמענטן וואָס ווערן גערעדט, קיינמאָל קאָנסעקוטיוו; `x` גיט די פּויזע אין סעקונדעס אין `[0.01, 99.99]`, מיט לכל הפּחות צוויי צענטל־ציפֿערן.
voice_settingאָפּציאָנעל
טיפּobject
סטאַנדאַרט{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
איינשטעלונגען פֿאַר קאַנפֿיגורירן דעם קול.
voice_setting.voice_idאָפּציאָנעל
טיפּstring
סטאַנדאַרטWise_Woman
≥ 1 characters
פֿאַרדיפֿינירטער קול־אידענטיפֿיקאַטאָר גענוצט פֿאַר רעד־סינטעז.
voice_setting.speedאָפּציאָנעל
טיפּnumber
סטאַנדאַרט1
0.5 – 2
רעד־קורס, פֿון 0.5 ביז 2.0.
voice_setting.volאָפּציאָנעל
טיפּnumber
סטאַנדאַרט1
0.01 – 10
רעזולטאַט־לאַוטקייט, פֿון 0 ביז 10.
voice_setting.pitchאָפּציאָנעל
טיפּinteger
סטאַנדאַרט0
-12 – 12
הייך פֿונעם קול, פֿון -12 ביז 12.
voice_setting.emotionאָפּציאָנעל
טיפּenum
happysadangryfearfuldisgustedsurprisedneutral
עמאָציאָנעלער טאָן פֿון דער סינטעטישער רעדע.
voice_setting.english_normalizationאָפּציאָנעל
טיפּboolean
סטאַנדאַרטfalse
ענגלישע טעקסט־נאָרמאַליזאַציע־אָפּציע וואָס פֿאַרבײַט אַ קליינע צוגאָב־לאַטענסי פֿאַר בעסערן לייענען פֿון ציפֿערן.
audio_settingאָפּציאָנעל
טיפּobject
באַשטעטיקונגען פֿאַר קאַנפֿיגורירן אַודיאָ.
audio_setting.sample_rateאָפּציאָנעל
טיפּenum
סטאַנדאַרט32000
80001600022050240003200044100
סאַמפּלינג־קורס פֿאַר דעם גענערירטן אַודיאָ.
audio_setting.bitrateאָפּציאָנעל
טיפּenum
סטאַנדאַרט128000
3200064000128000256000
ביטרייט פֿאַר דעם גענערירטן אַודיאָ.
audio_setting.formatאָפּציאָנעל
טיפּenum
סטאַנדאַרטmp3
mp3pcmflac
פֿאָרמאַט פֿאַר אַודיאָ.
audio_setting.channelאָפּציאָנעל
טיפּenum
סטאַנדאַרט1
12
אַודיאָ־קאַנאַל־צאָל: 1 פֿאַר מאָנאָ אָדער 2 פֿאַר סטערעאָ.
language_boostאָפּציאָנעל
טיפּenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 נאָךKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
פֿאַרבעסערט דערקענונג פֿאַר די אויסגעקליבענע שפּראַכן און דיאַלעקטן.
output_formatאָפּציאָנעל
טיפּenum
סטאַנדאַרטhex
urlhex
פֿאָרמאַט פֿון דעם רעזולטאַט־אינהאַלט; גילט נאָר פֿאַר ניט־סטרימינג־רעספּאָנסן.
pronunciation_dictאָפּציאָנעל
טיפּobject
קאַסטאַמייזד ווערטערבוך פֿון אויסשפּראַכן, גענוצט צו פֿאַרבייטן טעקסט.
pronunciation_dict.tone_listאָפּציאָנעל
טיפּstring[]
רשימה פֿון אויסשפּראַך־פֿאַרבײַטונגען מיט דער סינטאַקס ['text/(pronunciation)', ...], למשל ['燕少飞/(yan4)(shao3)(fei1)']. כינעזישע טאָן־נומערן לויפן פֿון 1 ביז 5.
normalization_settingאָפּציאָנעל
טיפּobject
סעטינגס וואָס קאָנטראָלירן די נאָרמאַליזאַציע פֿון אַודיאָ־לאָקקייט.
normalization_setting.enabledאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
אַקטיווירט די נאָרמאַליזאַציע פֿון אַודיאָ־לאָקקייט.
normalization_setting.target_loudnessאָפּציאָנעל
טיפּnumber
סטאַנדאַרט-18
-70 – -10
געווינשטע לאָקקייט, געמאסטן אין LUFS; סטאַנדאַרט איז -18.0.
normalization_setting.target_rangeאָפּציאָנעל
טיפּnumber
סטאַנדאַרט8
0 – 20
געווינשטע לאָקקייט־ריי, געמאסטן אין LU; סטאַנדאַרט איז 8.0.
normalization_setting.target_peakאָפּציאָנעל
טיפּnumber
סטאַנדאַרט-0.5
-3 – 0
געווינשטע שפּיץ־ניוואָ, געמאסטן אין dBTP; סטאַנדאַרט איז -0.5.
פארלאנגט

אויסגאַבע

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.6-turbo",
  "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": 3,
    "usd": "0.003",
    "charged": 3,
    "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"
  }
}
אייער טעקעס, אייער ברירהיעדער outputs[].url איז אַ קאַפּיע אין אונדזער סטאָרידזש: געהאַלטן אויף אייביק (באַצאָלט פּער GB־חודש) אָדער 7 טעג אומזיסט, לויט אײַער חשבון־באַשטעטיקונג אָדער ?storage=.
דער זעלבער פֿאָרעם בײַ יעדן מאָדעלtype, url, content_type, width, height און duration, סײַ פֿאַר בילדער, ווידעאָ און אַודיאָ. output איז דער אייגענער רעזולטאַט־אָביעקט פֿון מאָדעל.
פֿעלדער פֿון דער אויסגאַבע
audio
object {url, content_type, file_name, file_size}אַודיאָ־פֿײַל געשאַפֿן דורך גענערירונג.
duration_ms
integerלענג פֿון אַודיאָ, געמאסטן אין מיליסעקונדעס.

מער מאָדעלן: טעקסט צו רעדע

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/minimax/speech-2.6-turbo.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt