Zum Hauptinhalt springen
POST
/
v3
/
minimax-speech-02-hd
MiniMax Speech-02-hd synchrone Sprachsynthese
curl --request POST \
  --url https://api.highwayapi.ai/v3/minimax-speech-02-hd \
  --header 'Authorization: <authorization>' \
  --header 'Content-Type: <content-type>' \
  --data '
{
  "text": "<string>",
  "voice_setting": {
    "speed": 123,
    "vol": 123,
    "pitch": 123,
    "voice_id": "<string>",
    "emotion": "<string>",
    "latex_read": true,
    "text_normalization": true
  },
  "audio_setting": {
    "sample_rate": 123,
    "bitrate": 123,
    "format": "<string>",
    "channel": 123
  },
  "pronunciation_dict": {
    "tone": [
      {}
    ]
  },
  "timbre_weights": [
    {
      "voice_id": "<string>",
      "weight": 123
    }
  ],
  "stream": true,
  "stream_options": {
    "exclude_aggregated_audio": true
  },
  "language_boost": "<string>",
  "output_format": "<string>",
  "voice_modify": {
    "pitch": 123,
    "intensity": 123,
    "timbre": 123,
    "sound_effects": "<string>"
  }
}
'
{
  "audio": "<string>",
  "status": 123
}
Diese API unterstützt die synchrone Generierung von Text-to-Speech; pro Textübertragung sind maximal 10000 Zeichen möglich. Sie unterstützt über 100 Systemstimmen sowie die freie Auswahl geklonter Stimmen; Anpassungen von Lautstärke, Tonhöhe, Sprechgeschwindigkeit und Ausgabeformat; proportionales Mischen von Stimmen sowie die Steuerung fester Zeitintervalle; außerdem verschiedene Audiospezifikationen und -formate, darunter mp3, pcm, flac und wav, sowie Streaming-Ausgabe. Nach dem Absenden einer Anfrage zur Sprachsynthese langer Texte ist zu beachten, dass die zurückgegebene url ab dem Zeitpunkt der Rückgabe 24 Stunden gültig ist. Bitte achten Sie darauf, die Informationen rechtzeitig herunterzuladen.
Geeignet für Szenarien wie die Generierung kurzer Sätze, Sprachchat und Online-Social-Anwendungen. Die Verarbeitung ist schnell, jedoch ist die Textlänge auf weniger als 10000 Zeichen begrenzt. Für lange Texte wird die asynchrone Sprachsynthese empfohlen.

Anfrage-Header

Content-Type
string
erforderlich
Enumerationswert: application/json
Authorization
string
erforderlich
Bearer-Authentifizierungsformat: Bearer {{API Key}}.

Anfragebody

text
string
erforderlich
Der zu synthetisierende Text. Die Länge muss weniger als 10000 Zeichen betragen; Absatzwechsel werden durch Zeilenumbrüche ersetzt. (Wenn Sie Pausen in der Sprache steuern möchten, fügen Sie zwischen Zeichen <#x#> ein; x ist in Sekunden angegeben, unterstützt 0.01-99.99 mit maximal zwei Dezimalstellen.) Benutzerdefinierte zeitliche Abstände zwischen Textabschnitten werden unterstützt, um individuelle Pausenzeiten in der Sprachausgabe zu erzielen. Zu beachten ist, dass die Textintervallzeit zwischen zwei sprechbaren Textteilen gesetzt werden muss und nicht mehrere aufeinanderfolgende Zeitintervalle gesetzt werden dürfen.
voice_setting
object
erforderlich
audio_setting
object
pronunciation_dict
object
timbre_weights
object[]
Entweder timbre_weights oder voice_id ist erforderlich
stream
boolean
Standard:"false"
Gibt an, ob Streaming verwendet wird. Standardwert false, d. h. Streaming ist nicht aktiviert.
stream_options
object
language_boost
string
Standard:"null"
Verbessert die Erkennungsfähigkeit für angegebene Minderheitensprachen und Dialekte. Nach der Einstellung kann die Sprachleistung in Szenarien mit der angegebenen Minderheitensprache/dem angegebenen Dialekt verbessert werden. Wenn der Typ der Minderheitensprache nicht klar ist, kann “auto” gewählt werden; das Modell erkennt den Typ der Minderheitensprache dann selbstständig. Unterstützte Werte:'Chinese', 'Chinese,Yue', 'English', 'Arabic', 'Russian', 'Spanish', 'French', 'Portuguese', 'German', 'Turkish', 'Dutch', 'Ukrainian', 'Vietnamese', 'Indonesian', 'Japanese', 'Italian', 'Korean', 'Thai', 'Polish', 'Romanian', 'Greek', 'Czech', 'Finnish', 'Hindi', 'Bulgarian', 'Danish', 'Hebrew', 'Malay', 'Persian', 'Slovak', 'Swedish', 'Croatian', 'Filipino', 'Hungarian', 'Norwegian', 'Slovenian', 'Catalan', 'Nynorsk', 'Tamil', 'Afrikaans', 'auto'
output_format
string
Standard:"hex"
Parameter zur Steuerung der Form des Ausgabeergebnisses. Mögliche Werte sind url hex. Standardwert ist hex. Dieser Parameter ist nur in Nicht-Streaming-Szenarien wirksam; in Streaming-Szenarien wird nur die Rückgabe in hex-Form unterstützt. Die zurückgegebene url ist 24 Stunden gültig.
voice_modify
object
Einstellungen für Stimmeffekte. Dieser Parameter unterstützt die folgenden Audioformate:
  • Nicht-Streaming: mp3, wav, flac
  • Streaming: mp3

Antwortinformationen

audio
string
Das synthetisierte Audiosegment, hex-codiert, generiert gemäß dem im Eingabewert definierten Format (audio_setting.format) (mp3/pcm/flac). Die Rückgabeform richtet sich nach der Definition von output_format; wenn stream true ist, wird nur die Rückgabeform hex unterstützt.
status
number
Der aktuelle Status des Audiostreams, wird nur zurückgegeben, wenn stream true ist. 1 bedeutet Synthese läuft, 2 bedeutet Synthese abgeschlossen.