> ## Documentation Index
> Fetch the complete documentation index at: https://docs.jiekou.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# MiniMax Speech-2.6-turbo asynchrone Sprachsynthese

Diese API unterstützt die asynchrone Generierung von Text-zu-Sprache. Pro Textgenerierung werden bei der Übertragung maximal 1 Million Zeichen unterstützt; das vollständige generierte Audioergebnis kann asynchron abgerufen werden. Unterstützt über 100 Systemstimmen sowie frei wählbare geklonte Stimmen; Intonation, Sprechgeschwindigkeit, Lautstärke, Bitrate, Abtastrate und Ausgabeformat können individuell angepasst werden.

Nachdem eine Anfrage zur Sprachsynthese für Langtexte übermittelt wurde, beachten Sie bitte, dass die zurückgegebene url ab dem Zeitpunkt der Rückgabe 24 Stunden gültig ist. Bitte achten Sie auf den Zeitpunkt des Downloads der Informationen.

<Tip>Geeignet für die Sprachgenerierung von Langtexten wie ganzen Büchern; die Aufgabenwarteschlange kann längere Zeit in Anspruch nehmen. Für Szenarien wie Kurzsatzgenerierung, Sprachchat und Online-Social empfiehlt sich die Verwendung der [synchronen Sprachsynthese](/de/docs/models/reference-minimax-speech-2.6-turbo).</Tip>

## Anfrageheader

<ParamField header="Content-Type" type="string" required={true}>
  Enumerationswert: `application/json`
</ParamField>

<ParamField header="Authorization" type="string" required={true}>
  Bearer-Authentifizierungsformat: Bearer \{\{API Key}}.
</ParamField>

## Anfragetext

<ParamField body="text" type="string" required={true}>
  Der zu synthetisierende Text, begrenzt auf maximal 50.000 Zeichen.
</ParamField>

<ParamField body="voice_setting" type="object" required={true}>
  <Expandable title="properties">
    <ParamField body="speed" type="number" default={1.0}>
      Bereich \[0.5,2], Standardwert ist 1.0

      Die Sprechgeschwindigkeit der generierten Stimme. Optional; je größer der Wert, desto schneller die Sprechgeschwindigkeit.
    </ParamField>

    <ParamField body="vol" type="number" default={1.0}>
      Bereich (0,10], Standardwert ist 1.0

      Die Lautstärke der generierten Stimme. Optional; je größer der Wert, desto höher die Lautstärke.
    </ParamField>

    <ParamField body="pitch" type="number" default={0}>
      Bereich \[-12,12], Standardwert ist 0

      Die Intonation der generierten Stimme. Optional (0 gibt die ursprüngliche Stimme aus; der Wert muss eine Ganzzahl sein).
    </ParamField>

    <ParamField body="voice_id" type="string">
      Die angeforderte Stimm-ID.

      Unterstützt werden zwei Typen: Systemstimmen (id) und geklonte Stimmen (id). Die Systemstimmen (ID) lauten wie folgt:

      * Jugendliche, unerfahrene Männerstimme: `male-qn-qingse`
      * Elite-Jugendstimme: `male-qn-jingying`
      * Dominante junge Männerstimme: `male-qn-badao`
      * Stimme eines jungen Studenten: `male-qn-daxuesheng`
      * Mädchenstimme: `female-shaonv`
      * Selbstbewusste Frauenstimme: `female-yujie`
      * Reife Frauenstimme: `female-chengshu`
      * Süße Frauenstimme: `female-tianmei`
      * Männlicher Moderator: `presenter_male`
      * Weibliche Moderatorin: `presenter_female`
      * Männliches Hörbuch 1: `audiobook_male_1`
      * Männliches Hörbuch 2: `audiobook_male_2`
      * Weibliches Hörbuch 1: `audiobook_female_1`
      * Weibliches Hörbuch 2: `audiobook_female_2`
      * Jugendliche, unerfahrene Männerstimme-beta: `male-qn-qingse-jingpin`
      * Elite-Jugendstimme-beta: `male-qn-jingying-jingpin`
      * Dominante junge Männerstimme-beta: `male-qn-badao-jingpin`
      * Stimme eines jungen Studenten-beta: `male-qn-daxuesheng-jingpin`
      * Mädchenstimme-beta: `female-shaonv-jingpin`
      * Selbstbewusste Frauenstimme-beta: `female-yujie-jingpin`
      * Reife Frauenstimme-beta: `female-chengshu-jingpin`
      * Süße Frauenstimme-beta: `female-tianmei-jingpin`
      * Kluger Junge: `clever_boy`
      * Niedlicher Junge: `cute_boy`
      * Liebenswertes Mädchen: `lovely_girl`
      * Cartoon-Schwein Xiaoqi: `cartoon_pig`
      * Yandere-Jüngerer-Bruder: `bingjiao_didi`
      * Attraktiver Freund: `junlang_nanyou`
      * Unschuldiger jüngerer Kommilitone: `chunzhen_xuedi`
      * Distanter älterer Kommilitone: `lengdan_xiongzhang`
      * Dominanter junger Herr: `badao_shaoye`
      * Sweetheart Xiaoling: `tianxin_xiaoling`
      * Verspieltes süßes Mädchen: `qiaopi_mengmei`
      * Verführerische selbstbewusste Frau: `wumei_yujie`
      * Süßliche jüngere Kommilitonin: `diadia_xuemei`
      * Elegante ältere Kommilitonin: `danya_xuejie`
      * Santa Claus: `Santa_Claus`
      * Grinch: `Grinch`
      * Rudolph: `Rudolph`
      * Arnold: `Arnold`
      * Charming Santa: `Charming_Santa`
      * Charming Lady: `Charming_Lady`
      * Sweet Girl: `Sweet_Girl`
      * Cute Elf: `Cute_Elf`
      * Attractive Girl: `Attractive_Girl`
      * Serene Woman: `Serene_Woman`
    </ParamField>

    <ParamField body="emotion" type="string">
      Steuert die Emotion der synthetisierten Sprache;

      Derzeit werden 7 Emotionen unterstützt: glücklich, traurig, wütend, ängstlich, angewidert, überrascht, neutral;

      Parameterbereich: `["happy", "sad", "angry", "fearful", "disgusted", "surprised", "neutral"]`
    </ParamField>

    <ParamField body="text_normalization" type="bool" default="false">
      Dieser Parameter unterstützt die Normalisierung englischer Texte und kann die Leistung in Szenarien zum Vorlesen von Zahlen verbessern, erhöht jedoch die Latenz geringfügig. Wenn er nicht angegeben wird, ist der Standardwert false.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="audio_setting" type="object">
  <Expandable title="properties">
    <ParamField body="sample_rate" type="number" default={32000}>
      Bereich【8000，16000，22050，24000，32000，44100】

      Die Abtastrate der generierten Stimme. Optional, standardmäßig 32000.
    </ParamField>

    <ParamField body="bitrate" type="number" default={128000}>
      Bereich【32000，64000，128000，256000】

      Die Bitrate der generierten Stimme. Optional, Standardwert ist 128000. Dieser Parameter gilt nur für Audio im mp3-Format.
    </ParamField>

    <ParamField body="format" type="string" default="mp3">
      Das generierte Audioformat. Standardmäßig mp3. Optional: `mp3`, `pcm`, `flac`, `wav`. wav wird nur bei nicht-streamender Ausgabe unterstützt.
    </ParamField>

    <ParamField body="channel" type="number" default={1}>
      Die Anzahl der Kanäle des generierten Audios. Standardwert 1: Mono, optional:

      1: Mono

      2: Stereo
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="pronunciation_dict" type="object">
  <Expandable title="properties">
    <ParamField body="tone" type="list">
      Ersetzt Texte, Symbole und die entsprechenden phonetischen Notationen, die eine spezielle Markierung erfordern.

      Aussprache ersetzen (Ton anpassen/Aussprache anderer Zeichen ersetzen), Format wie folgt:

      `["燕少飞/(yan4)(shao3)(fei1)","达菲/(da2)(fei1)"，"omg/oh my god"]`

      Töne werden durch Zahlen ersetzt: erster Ton (Yinping) ist 1, zweiter Ton (Yangping) ist 2, dritter Ton (Shangsheng) ist 3, vierter Ton (Qusheng) ist 4, neutraler Ton ist 5.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="language_boost" type="string" default="null">
  Verbessert die Erkennungsfähigkeit für angegebene weniger verbreitete Sprachen und Dialekte. Nach der Festlegung kann die Sprachleistung in den entsprechenden Sprach-/Dialektszenarien verbessert werden. Wenn der Typ der weniger verbreiteten Sprache nicht eindeutig ist, kann "auto" ausgewählt werden; das Modell bestimmt den Sprachtyp dann selbstständig. Unterstützt werden folgende 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'`
</ParamField>

<ParamField body="voice_modify" type="object">
  Einstellungen für Stimmeffekte; dieser Parameter unterstützt die Audioformate: mp3, wav, flac

  <Expandable title="properties">
    <ParamField body="pitch" type="integer">
      Tonhöhenanpassung (tief/hell), Bereich \[-100,100]; je näher der Wert an -100 liegt, desto tiefer ist die Stimme; je näher an 100, desto heller ist die Stimme
    </ParamField>

    <ParamField body="intensity" type="integer">
      Intensitätsanpassung (kraftvoll/sanft), Bereich \[-100,100]; je näher der Wert an -100 liegt, desto kräftiger ist die Stimme; je näher an 100, desto sanfter ist die Stimme
    </ParamField>

    <ParamField body="timbre" type="integer">
      Klangfarbenanpassung (resonant/klar), Bereich \[-100,100]; je näher der Wert an -100 liegt, desto voller ist die Stimme; je näher der Wert an 100 liegt, desto klarer ist die Stimme
    </ParamField>

    <ParamField body="sound_effects" type="string">
      Soundeffekt-Einstellung; pro Anfrage kann nur eine Option ausgewählt werden. Mögliche Werte:

      * `spacious_echo`（weiter Echoeffekt）
      * `auditorium_echo`（Auditoriumsübertragung）
      * `lofi_telephone`（Telefonverzerrung）
      * `robotic`（elektronischer Sound）
    </ParamField>
  </Expandable>
</ParamField>

## Antwortparameter

<ResponseField name="task_id" type="string" required={true}>
  Die task\_id der asynchronen Aufgabe. Sie sollten diese task\_id verwenden, um die [API zum Abfragen des Aufgabenergebnisses](/de/docs/models/reference-get-async-task-result) anzufordern und das generierte Ergebnis zu erhalten
</ResponseField>