> ## 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 Turbo synchrone Sprachsynthese

Konvertiert Text in Sprache und unterstützt mehrere Stimmen, Emotionssteuerung, Anpassung der Sprechgeschwindigkeit und weitere Funktionen. Die Textlänge muss unter 10000 Zeichen liegen. Wenn die Textlänge mehr als 3000 Zeichen beträgt, wird die Verwendung einer Streaming-Ausgabe empfohlen.

## Anfrageheader

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

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

## Anfragetext

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

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

<ParamField body="voice_modify" type="object">
  <Expandable title="properties" defaultOpen={true}>
    <ParamField body="pitch" type="integer">
      Anpassung der Tonhöhe (tief/hell), Bereich \[-100, 100]. Je näher der Wert an -100 liegt, desto tiefer klingt die Stimme; je näher an 100, desto heller klingt die Stimme.

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

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

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

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

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

    <ParamField body="sound_effects" type="string">
      Einstellung für Soundeffekte; pro Anfrage kann nur ein Effekt ausgewählt werden. Mögliche Werte: spacious\_echo (weiter Hall), auditorium\_echo (Auditorium-Ansage), lofi\_telephone (Telefonverzerrung), robotic (elektronischer Sound)

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

<ParamField body="audio_setting" type="object">
  <Expandable title="properties" defaultOpen={true}>
    <ParamField body="format" type="string" default="mp3">
      Format der generierten Audiodatei; wav wird nur bei Nicht-Streaming-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 Bitrate (CBR) für Audio; 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 Audio auf Streaming-Ausgabe 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 der Form des Ausgabeergebnisses. Mögliche Werte sind url und hex, Standardwert ist hex. Dieser Parameter ist nur in Nicht-Streaming-Szenarien wirksam; Streaming-Szenarien unterstützen nur die Rückgabe im hex-Format. Die zurückgegebene url ist 24 Stunden lang gültig.

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

<ParamField body="voice_setting" type="object">
  <Expandable title="properties" defaultOpen={true}>
    <ParamField body="vol" type="number" default={1}>
      Lautstärke des synthetisierten Audios. 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 des synthetisierten Audios. Wertebereich \[-12, 12], Standardwert ist 0; 0 bedeutet Ausgabe mit der ursprünglichen Stimme.

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

    <ParamField body="speed" type="number" default={1}>
      Sprechgeschwindigkeit des synthetisierten Audios. 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. Die Parameterwerte entsprechen 8 Emotionen: fröhlich (happy), traurig (sad), wütend (angry), ängstlich (fearful), angewidert (disgusted), überrascht (surprised), neutral (calm), lebendig (fluent), Flüstern (whisper). Das Modell passt die passende Emotion automatisch anhand des Eingabetextes an; 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}>
      Stimm-ID des synthetisierten Audios. Wenn eine gemischte Stimme festgelegt werden soll, setzen Sie bitte den Parameter timber\_weights und lassen Sie diesen Parameter leer. Unterstützt drei Typen: Systemstimmen, geklonte Stimmen und Text-zu-Stimme-Stimmen.
    </ParamField>

    <ParamField body="latex_read" type="boolean" default={false}>
      Steuert, ob LaTeX-Formeln vorgelesen werden. Standardwert ist false. Es wird nur Chinesisch unterstützt; 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 werden soll. Nach der Aktivierung kann die Leistung in Szenarien mit Zahlenlesung verbessert werden, erhöht jedoch die Latenz leicht. Standardwert ist false.
    </ParamField>
  </Expandable>
</ParamField>

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

<ParamField body="language_boost" type="string">
  Gibt an, ob die Erkennungsfähigkeit für angegebene kleinere 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="properties" defaultOpen={true}>
    <ParamField body="exclude_aggregated_audio" type="boolean" default={false}>
      Legt fest, ob der letzte Chunk die zusammengefügten Sprachdaten im hex-Format enthalten soll. Standardwert ist false, d. h. der letzte Chunk enthält die vollständig zusammengefügten Sprachdaten im hex-Format.
    </ParamField>
  </Expandable>
</ParamField>

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

  <Expandable title="properties" defaultOpen={true}>
    <ParamField body="weight" type="integer" required={true}>
      Gewichtung der einzelnen Stimmen im synthetisierten Audio; muss zusammen mit voice\_id ausgefüllt werden. Möglicher Wertebereich: \[1, 100]. Unterstützt die Mischung von bis zu 4 Stimmen. 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}>
      Stimm-ID des synthetisierten Audios; muss zusammen mit dem Parameter weight ausgefüllt werden. Unterstützt drei Typen: Systemstimmen, geklonte Stimmen und Text-zu-Stimme-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 Nicht-Streaming-Ausgabeszenarien 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. Wird nur von den Modellen speech-2.8-hd und speech-2.8-turbo unterstützt.
</ParamField>

<ParamField body="pronunciation_dict" type="object">
  <Expandable title="properties" defaultOpen={true}>
    <ParamField body="tone" type="string[]">
      Definiert Aussprache- oder Lautersetzungsregeln für besonders zu markierende Zeichen oder Symbole. In chinesischem Text werden Töne durch Zahlen dargestellt: erster Ton = 1, zweiter Ton = 2, dritter Ton = 3, vierter Ton = 4, neutraler Ton = 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; daher ist eine Nicht-null-Prüfung erforderlich.
</ResponseField>

<ResponseField name="trace_id" type="string" required={false}>
  ID dieser Sitzung, die bei Anfragen/Feedback hilft, 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 zum Audio.
</ResponseField>