Zum Hauptinhalt springen
POST
/
v3
/
minimax-speech-2.5-turbo-preview
MiniMax Speech-2.5-turbo-preview synchrone Sprachsynthese
curl --request POST \
  --url https://api.highwayapi.ai/v3/minimax-speech-2.5-turbo-preview \
  --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-zu-Sprache; pro Textübertragung sind maximal 10000 Zeichen möglich. Sie unterstützt über 100 Systemstimmen sowie frei wählbare geklonte Stimmen; Anpassungen von Lautstärke, Tonlage, Sprechgeschwindigkeit und Ausgabeformat; proportionale Stimm-Mischung und Steuerung fester Zeitintervalle; außerdem mehrere Audiospezifikationen und -formate, darunter: mp3, pcm, flac, wav, sowie Streaming-Ausgabe. Nach dem Einreichen einer Anfrage zur Sprachsynthese für lange 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, Sprachchats und Online-Social-Anwendungen. Die Verarbeitung ist schnell, die Textlänge ist jedoch auf weniger als 10000 Zeichen begrenzt. Für lange Texte wird die asynchrone Sprachsynthese empfohlen.

Anfrageheader

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

Anfragetext

text
string
erforderlich
Der zu synthetisierende Text. Die Länge muss unter 10000 Zeichen liegen; Absatzwechsel werden durch Zeilenumbrüche ersetzt. (Wenn Sie die Pausenzeit in der Sprache steuern möchten, fügen Sie zwischen Zeichen <#x#> ein; die Einheit von x ist Sekunden, unterstützt werden 0.01-99.99 mit maximal zwei Dezimalstellen.) Unterstützt benutzerdefinierte Sprach-Zeitintervalle zwischen Texten, um benutzerdefinierte Pausen im gesprochenen Text zu realisieren. Zu beachten ist, dass das Textintervall zwischen zwei sprechbaren Textabschnitten 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"
Ob Streaming verwendet wird. Standard ist false, d. h. Streaming ist nicht aktiviert.
stream_options
object
language_boost
string
Standard:"null"
Verbessert die Erkennungsfähigkeit für angegebene kleinere Sprachen und Dialekte. Nach der Einstellung kann die Sprachleistung in Szenarien mit den angegebenen kleineren Sprachen/Dialekten verbessert werden. Wenn der Typ der kleineren Sprache nicht eindeutig ist, kann „auto“ ausgewählt werden; das Modell bestimmt den Typ der kleineren Sprache 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. Optionale Werte sind url hex. Standardwert ist hex. Dieser Parameter ist nur in nicht-streamenden 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-kodiert und gemäß dem in der Eingabe definierten Format (audio_setting.format) generiert (mp3/pcm/flac). Die Rückgabeform richtet sich nach der Definition von output_format; wenn stream true ist, wird nur die Rückgabe in Hex-Form unterstützt.
status
number
Aktueller Status des Audiostreams, wird nur zurückgegeben, wenn stream true ist. 1 bedeutet Synthese läuft, 2 bedeutet Synthese beendet.