שפּרינגען צו אינהאַלט

MiniMax Speech 2.8 HD

אינטעגרירן

מאָדעל־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"

דער דאָזיקער ריקוועסט: ⁨$ 0.019⁩ 19 API־קרעדיטן לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
MiniMax טעקסט צו רעדע #voiceover#multilingual#hd

MiniMax'ס הויך־דעפֿיניציע טעקסט־צו־רעדע אין 30+ שפּראַכן מיט פּויזעס, עמאָציע און קאָנטראָל איבער אויסשפּראַך.

בײַשפּילן

אויסגאַבע · ~10 s

פּראָמפּטWelcome 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־קרעדיטן

בויען אַ בעטן

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

•פארלאנגט 182 / 10000

טעקסט פֿאַר רעדע־סינטעז, מיט פּויזעס ספּעציפֿיצירט דורך `<#x#>`, וווּ x לויפֿט פֿון 0.01 ביז 99.99 סעקונדעס. פֿאַראַנענע איינרעד־טאַגס זענען `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, און `(yawns)`.

פֿאָרגעשריטן output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
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.

סעטינגס פֿאַר מאָדיפֿיצירן קול־הייך, אינטענסיטעט און טימבר.

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

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 2.8 HD

MiniMax Speech 2.8 HD גיט טעקסט אַ קול אין מער ווי 30 שפּראַכן מיט גענויע קאָנטראָלן: אינלײַן־פּויזע־מאַרקירונגען, קול גיכקייט, טאָן און באַנד, אייגענע אויסשפּראַך־ווערטערביכער און קול־עפעקטן. קלויבט פון די איינגעבויטע קולות און דעם אויסגאבע־סאַמפּל־ראַטע און פֿאָרמאַט.

פּאַראַמעטערס

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
promptפארלאנגט
טיפּstring
≤ 10,000 כאַראַקטערן
טעקסט פֿאַר רעדע־סינטעז, מיט פּויזעס ספּעציפֿיצירט דורך `<#x#>`, וווּ x לויפֿט פֿון 0.01 ביז 99.99 סעקונדעס. פֿאַראַנענע איינרעד־טאַגס זענען `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, און `(yawns)`.
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.
voice_modifyאָפּציאָנעל
טיפּobject
סעטינגס פֿאַר מאָדיפֿיצירן קול־הייך, אינטענסיטעט און טימבר.
voice_modify.pitchאָפּציאָנעל
טיפּinteger
סטאַנדאַרט0
-100 – 100
קול־הייך־קאָנטראָל געמאסטן אין סעמיטאָנען: ניצט אַ נעגאַטיווע ווערט צו נידעריקן דעם קול אָדער אַ פּאָזיטיווע ווערט צו הייבן אים. ערלויבטע ווערטן לויפֿן פֿון -100 ביז 100.
voice_modify.intensityאָפּציאָנעל
טיפּinteger
סטאַנדאַרט0
-100 – 100
קאָנטראָל פֿון קול־ענערגיע, וואָס מאַכט די רעדע מער ענערגיש ווען די באַשטעטיקונג ווערט גרעסער. דער ערלויבטער ריי איז -100 ביז 100.
voice_modify.timbreאָפּציאָנעל
טיפּinteger
סטאַנדאַרט0
-100 – 100
קול־טימבר־אַדזשאַסטמענט פֿון -100 ביז 100, וואָס קאָנטראָלירט דעם טאָנאַלן כאַראַקטער.
פארלאנגט

אויסגאַבע

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"
  }
}
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-2.8-hd.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt