Saltar al contenido principal
POST
/
v3
/
minimax-speech-2.5-hd-preview
Síntesis de voz síncrona MiniMax Speech-2.5-hd-preview
curl --request POST \
  --url https://api.highwayapi.ai/v3/minimax-speech-2.5-hd-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
}
Esta API admite la generación síncrona de texto a voz, con un máximo de 10000 caracteres por transmisión de texto. Admite más de 100 voces del sistema y la selección independiente de voces clonadas; permite ajustar volumen, tono, velocidad de habla y formato de salida; admite mezcla de voces por proporción y control de intervalos fijos; admite diversas especificaciones y formatos de audio, incluidos: mp3, pcm, flac, wav, y admite salida en streaming. Después de enviar una solicitud de síntesis de voz de texto largo, ten en cuenta que la URL devuelta tiene una validez de 24 horas desde el momento en que se devuelve. Presta atención al tiempo disponible para descargar la información.
Ideal para escenarios como generación de frases cortas, chat de voz y socialización en línea. Tiene baja latencia, pero la longitud del texto está limitada a menos de 10000 caracteres. Para textos largos, se recomienda usar síntesis de voz mediante llamada asíncrona.

Encabezados de solicitud

Content-Type
string
requerido
Valores enumerados: application/json
Authorization
string
requerido
Formato de autenticación Bearer: Bearer {{API Key}}.

Cuerpo de la solicitud

text
string
requerido
Texto que se va a sintetizar. La longitud debe ser inferior a 10000 caracteres; los cambios de párrafo deben reemplazarse por saltos de línea. (Si necesitas controlar los intervalos dentro de la voz, agrega <#x#> entre caracteres; la unidad de x son segundos, admite 0.01-99.99, con un máximo de dos decimales). Admite intervalos de tiempo de voz personalizados entre textos para lograr pausas personalizadas en la voz. Ten en cuenta que el intervalo de tiempo entre textos debe establecerse entre dos textos que puedan pronunciarse, y no se pueden establecer varios intervalos de tiempo consecutivos.
voice_setting
object
requerido
audio_setting
object
pronunciation_dict
object
timbre_weights
object[]
Obligatorio completar uno de estos dos: timbre_weights o voice_id
stream
boolean
predeterminado:"false"
Indica si se usa streaming. El valor predeterminado es false, es decir, no se habilita el streaming.
stream_options
object
language_boost
string
predeterminado:"null"
Mejora la capacidad de reconocimiento para idiomas minoritarios y dialectos especificados. Una vez configurado, puede mejorar el rendimiento de voz en escenarios del idioma minoritario/dialecto especificado. Si no se conoce con claridad el tipo de idioma minoritario, se puede seleccionar “auto”, y el modelo determinará el tipo de idioma minoritario de forma autónoma. Admite los siguientes valores:'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
predeterminado:"hex"
Parámetro que controla la forma del resultado de salida. Los valores opcionales son url hex. El valor predeterminado es hex. Este parámetro solo tiene efecto en escenarios no streaming; en escenarios de streaming solo se admite devolver el resultado en formato hex. La URL devuelta es válida durante 24 horas.
voice_modify
object
Configuración de efectos de voz. Este parámetro admite los siguientes formatos de audio:
  • No streaming: mp3, wav, flac
  • Streaming: mp3

Información de respuesta

audio
string
Fragmento de audio sintetizado, codificado en hex, generado según el formato definido en la entrada (audio_setting.format) (mp3/pcm/flac). La forma de retorno se determina según la definición de output_format; cuando stream es true, solo se admite el retorno en formato hex.
status
number
Estado actual del flujo de audio; solo se devuelve cuando stream es true. 1 indica que la síntesis está en curso, 2 indica que la síntesis ha finalizado.