> ## 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 2.8 HD synchrone Sprachsynthese

Konvertiert Text in Sprache und unterstützt verschiedene Stimmen, Emotionssteuerung, Anpassung der Sprechgeschwindigkeit und weitere Funktionen. Die Textlänge ist auf weniger als 10000 Zeichen begrenzt. Wenn die Textlänge mehr als 3000 Zeichen beträgt, wird die Verwendung von Streaming-Ausgabe empfohlen.

## Anfrage-Header

<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>

## Anfragekörper

<ParamField body="text" type="string" required={true}>
  Der Text, der in Sprache synthetisiert werden soll. Die Länge ist auf weniger als 10000 Zeichen begrenzt. Wenn die Textlänge mehr als 3000 Zeichen beträgt, wird die Verwendung von Streaming-Ausgabe empfohlen. Unterstützt Absatzwechsel (Zeilenumbrüche), Pausensteuerung (`&lt;#x#&gt;`-Markierung) und Interjektions-/Paralinguistik-Tags (z. B. (laughs), (coughs) usw.; nur von speech-2.8-hd/turbo unterstützt)
</ParamField>

<ParamField body="stream" type="boolean" default={false}>
  Steuert, ob Streaming-Ausgabe verwendet wird. Standardmäßig false, d. h. Streaming ist nicht aktiviert
</ParamField>

<ParamField body="voice_modify" type="object">
  <Expandable title="Eigenschaften" defaultOpen={true}>
    <ParamField body="pitch" type="integer">
      Anpassung der Tonhöhe (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

      Wertebereich: \[-100, 100]
    </ParamField>

    <ParamField body="timbre" type="integer">
      Anpassung der Klangfarbe (magnetisch/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

      Wertebereich: \[-100, 100]
    </ParamField>

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

      Wertebereich: \[-100, 100]
    </ParamField>

    <ParamField body="sound_effects" type="string">
      Soundeffekt-Einstellung; pro Anfrage kann nur eine Option ausgewählt werden. Mögliche Werte: spacious\_echo (weiter Hall), auditorium\_echo (Auditoriumsübertragung), lofi\_telephone (Telefonverzerrung), robotic (elektronische Stimme)

      Mögliche Werte: `spacious_echo`, `auditorium_echo`, `lofi_telephone`, `robotic`
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="audio_setting" type="object">
  <Expandable title="Eigenschaften" defaultOpen={true}>
    <ParamField body="format" type="string" default="mp3">
      Format der generierten Audiodatei; wav wird nur bei nicht gestreamter Ausgabe unterstützt

      Mögliche Werte: `mp3`, `pcm`, `flac`, `wav`
    </ParamField>

    <ParamField body="bitrate" type="integer" default={128000}>
      Bitrate der generierten Audiodatei. Möglicher Bereich \[32000, 64000, 128000, 256000], Standardwert ist 128000. Dieser Parameter wirkt sich nur auf Audio im mp3-Format aus

      Mögliche Werte: `32000`, `64000`, `128000`, `256000`
    </ParamField>

    <ParamField body="channel" type="integer" default={1}>
      Anzahl der Kanäle der generierten Audiodatei. Möglicher Bereich: \[1, 2], wobei 1 Mono und 2 Stereo bedeutet; Standardwert ist 1

      Mögliche Werte: `1`, `2`
    </ParamField>

    <ParamField body="force_cbr" type="boolean" default={false}>
      Steuerung der konstanten Audiobitrate (cbr), mögliche Werte sind false und true. Wenn dieser Parameter auf true gesetzt ist, wird die Audiocodierung mit konstanter Bitrate durchgeführt. Hinweis: Dieser Parameter ist nur wirksam, wenn die Audioausgabe auf Streaming gesetzt ist und das Audioformat mp3 ist
    </ParamField>

    <ParamField body="sample_rate" type="integer" default={32000}>
      Abtastrate der generierten Audiodatei. Möglicher Bereich \[8000, 16000, 22050, 24000, 32000, 44100], Standardwert ist 32000

      Mögliche Werte: `8000`, `16000`, `22050`, `24000`, `32000`, `44100`
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="output_format" type="string" default="hex">
  Parameter zur Steuerung des Ausgabeformats. Mögliche Werte sind url und hex, Standardwert ist hex. Dieser Parameter ist nur in nicht gestreamten Szenarien wirksam; Streaming-Szenarien unterstützen nur die Rückgabe im hex-Format. Die zurückgegebene url ist 24 Stunden gültig

  Mögliche Werte: `url`, `hex`
</ParamField>

<ParamField body="voice_setting" type="object">
  <Expandable title="Eigenschaften" defaultOpen={true}>
    <ParamField body="vol" type="number" default={1}>
      Lautstärke der synthetisierten Audiodatei. Je größer der Wert, desto höher die Lautstärke. Wertebereich (0, 10], Standardwert ist 1.0

      Wertebereich: \[0, 10]
    </ParamField>

    <ParamField body="pitch" type="integer" default={0}>
      Intonation der synthetisierten Audiodatei. Wertebereich \[-12, 12], Standardwert ist 0, wobei 0 die Ausgabe in der Originalstimme bedeutet

      Wertebereich: \[-12, 12]
    </ParamField>

    <ParamField body="speed" type="number" default={1}>
      Sprechgeschwindigkeit der synthetisierten Audiodatei. Je größer der Wert, desto schneller die Sprechgeschwindigkeit. Wertebereich \[0.5, 2], Standardwert ist 1.0

      Wertebereich: \[0.5, 2]
    </ParamField>

    <ParamField body="emotion" type="string">
      Steuert die Emotion der synthetisierten Sprache. Der Parameterbereich entspricht 8 Emotionen: glücklich (happy), traurig (sad), wütend (angry), ängstlich (fearful), angewidert (disgusted), überrascht (surprised), neutral (calm), lebhaft (fluent), Flüstern (whisper). Das Modell wählt basierend auf dem Eingabetext automatisch eine geeignete Emotion aus; in der Regel ist keine manuelle Angabe erforderlich

      Mögliche Werte: `happy`, `sad`, `angry`, `fearful`, `disgusted`, `surprised`, `calm`, `fluent`, `whisper`
    </ParamField>

    <ParamField body="voice_id" type="string" required={true}>
      Stimmen-ID der synthetisierten Audiodatei. Wenn eine gemischte Stimme festgelegt werden soll, setzen Sie den Parameter timber\_weights und lassen Sie diesen Parameter leer. Unterstützt drei Typen: Systemstimmen, geklonte Stimmen und per Text generierte Stimmen
    </ParamField>

    <ParamField body="latex_read" type="boolean" default={false}>
      Steuert, ob latex-Formeln vorgelesen werden. Standardwert ist false. Unterstützt nur Chinesisch; nach Aktivierung dieses Parameters wird der Parameter language\_boost auf Chinese gesetzt
    </ParamField>

    <ParamField body="text_normalization" type="boolean" default={false}>
      Gibt an, ob die Textnormalisierung für Chinesisch und Englisch aktiviert wird. Nach Aktivierung kann die Leistung in Szenarien mit Zahlenlesung verbessert werden, erhöht jedoch geringfügig die Latenz. Standardwert ist false
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="aigc_watermark" type="boolean" default={false}>
  Steuert, ob am Ende der synthetisierten Audiodatei eine Audio-Rhythmuskennung hinzugefügt wird. Standardwert ist false. Dieser Parameter ist nur für nicht gestreamte Synthese wirksam
</ParamField>

<ParamField body="language_boost" type="string">
  Gibt an, ob die Erkennungsfähigkeit für bestimmte weniger verbreitete Sprachen und Dialekte verbessert werden soll. Standardwert ist null; kann auf auto gesetzt werden, damit das Modell selbstständig entscheidet

  Mögliche 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="stream_options" type="object">
  <Expandable title="Eigenschaften" defaultOpen={true}>
    <ParamField body="exclude_aggregated_audio" type="boolean" default={false}>
      Legt fest, ob der letzte chunk die zusammengefügten Sprach-hex-Daten enthält. Standardwert ist false, d. h. der letzte chunk enthält die vollständig zusammengefügten Sprach-hex-Daten
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="timber_weights" type="object[]">
  Einstellung für gemischte Stimmen; unterstützt die Mischung von maximal 4 Stimmen

  <Expandable title="Eigenschaften" defaultOpen={true}>
    <ParamField body="weight" type="integer" required={true}>
      Gewichtung der einzelnen Stimmen in der synthetisierten Audiodatei; muss zusammen mit voice\_id ausgefüllt werden. Möglicher Wertebereich ist \[1, 100]. Es werden maximal 4 gemischte Stimmen unterstützt. Je höher der Anteil einer einzelnen Stimme, desto ähnlicher ist die synthetisierte Stimme dieser Stimme

      Wertebereich: \[1, 100]
    </ParamField>

    <ParamField body="voice_id" type="string" required={true}>
      Stimmen-ID der synthetisierten Audiodatei; muss zusammen mit dem Parameter weight ausgefüllt werden. Unterstützt drei Typen: Systemstimmen, geklonte Stimmen und per Text generierte Stimmen
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="subtitle_enable" type="boolean" default={false}>
  Steuert, ob der Untertiteldienst aktiviert wird. Standardwert ist false. Dieser Parameter ist nur in Szenarien mit nicht gestreamter Ausgabe gültig und nur für die Modelle speech-2.6-hd, speech-2.6-turbo, speech-01-turbo, speech-01-hd wirksam
</ParamField>

<ParamField body="continuous_sound" type="boolean" default={false}>
  Aktivieren Sie diesen Parameter, damit Übergänge zwischen Teilsätzen natürlicher klingen. Unterstützt nur die Modelle speech-2.8-hd und speech-2.8-turbo
</ParamField>

<ParamField body="pronunciation_dict" type="object">
  <Expandable title="Eigenschaften" defaultOpen={true}>
    <ParamField body="tone" type="string[]">
      Definiert Aussprache- oder Ausspracheersetzungsregeln für Zeichen oder Symbole, die speziell annotiert werden müssen. In chinesischen Texten werden Töne mit Zahlen angegeben: erster Ton als 1, zweiter Ton als 2, dritter Ton als 3, vierter Ton als 4, neutraler Ton als 5. Beispiel: \["燕少飞/(yan4)(shao3)(fei1)", "omg/oh my god"]
    </ParamField>
  </Expandable>
</ParamField>

## Antwortinformationen

<ResponseField name="data" type="object" required={false}>
  Zurückgegebenes Synthesedatenobjekt; kann null sein und muss auf Nicht-Null geprüft werden
</ResponseField>

<ResponseField name="trace_id" type="string" required={false}>
  id dieser Sitzung; hilft bei Anfragen/Feedback, das Problem zu lokalisieren
</ResponseField>

<ResponseField name="base_resp" type="object" required={false}>
  Statuscode und Details dieser Anfrage
</ResponseField>

<ResponseField name="extra_info" type="object" required={false}>
  Zusätzliche Informationen zur Audiodatei
</ResponseField>