> ## 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.

# Síntesis de voz síncrona MiniMax Speech-2.6-hd

Esta API admite la generación síncrona de texto a voz, con un máximo de 10000 caracteres por envío de texto. Admite más de 100 voces del sistema y la selección autónoma de voces clonadas; permite ajustar el volumen, el tono, la velocidad y el formato de salida; admite mezcla proporcional, control de intervalos de tiempo fijos; admite múltiples 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 es válida durante 24 horas desde el momento en que se devuelve la url. Presta atención al tiempo de descarga de la información.

<Tip>Adecuada para escenarios como generación de frases cortas, chat de voz y redes sociales en línea. Tiene baja latencia, pero el límite de longitud del texto es inferior a 10000 caracteres. Para textos largos, se recomienda usar [síntesis de voz mediante llamada asíncrona](/es/docs/models/reference-minimax-speech-2.6-hd-async).</Tip>

## Encabezados de solicitud

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

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

## Cuerpo de la solicitud

<ParamField body="text" type="string" required={true}>
  Texto que se va a sintetizar, con una longitud inferior a 10000 caracteres. Los cambios de párrafo se sustituyen por saltos de línea. (Si necesitas controlar el intervalo de tiempo en la voz, añade \<#x#> entre caracteres; x se expresa en segundos, admite 0.01-99.99, con un máximo de dos decimales). Admite intervalos de tiempo de voz personalizados entre textos para lograr el efecto de pausas personalizadas en la voz del texto. Ten en cuenta que el intervalo de tiempo entre textos debe establecerse entre dos fragmentos de texto que puedan pronunciarse, y no se pueden establecer varios intervalos de tiempo consecutivos.
</ParamField>

<ParamField body="voice_setting" type="object" required={true}>
  <Expandable title="properties">
    <ParamField body="speed" type="float" default="1.0">
      Rango \[0.5,2], valor predeterminado 1.0

      Velocidad de habla de la voz generada. Opcional; cuanto mayor sea el valor, más rápida será la velocidad.
    </ParamField>

    <ParamField body="vol" type="float" default="1.0">
      Rango (0,10], valor predeterminado 1.0

      Volumen de la voz generada. Opcional; cuanto mayor sea el valor, más alto será el volumen.
    </ParamField>

    <ParamField body="pitch" type="int" default="0">
      Rango \[-12,12], valor predeterminado 0

      Tono de la voz generada. Opcional (0 corresponde a la salida de la voz original; el valor debe ser un entero).
    </ParamField>

    <ParamField body="voice_id" type="string">
      ID de la voz solicitada. Obligatorio, a elegir entre este y timbre\_weights.

      Admite dos tipos: voces del sistema (id) y voces clonadas (id). Las voces del sistema (ID) son las siguientes:

      * Voz de joven inexperto: `male-qn-qingse`
      * Voz de joven élite: `male-qn-jingying`
      * Voz de joven dominante: `male-qn-badao`
      * Voz de estudiante universitario joven: `male-qn-daxuesheng`
      * Voz de chica joven: `female-shaonv`
      * Voz de mujer madura y elegante: `female-yujie`
      * Voz de mujer madura: `female-chengshu`
      * Voz de mujer dulce: `female-tianmei`
      * Presentador masculino: `presenter_male`
      * Presentadora femenina: `presenter_female`
      * Audiolibro masculino 1: `audiobook_male_1`
      * Audiolibro masculino 2: `audiobook_male_2`
      * Audiolibro femenino 1: `audiobook_female_1`
      * Audiolibro femenino 2: `audiobook_female_2`
      * Voz de joven inexperto-beta: `male-qn-qingse-jingpin`
      * Voz de joven élite-beta: `male-qn-jingying-jingpin`
      * Voz de joven dominante-beta: `male-qn-badao-jingpin`
      * Voz de estudiante universitario joven-beta: `male-qn-daxuesheng-jingpin`
      * Voz de chica joven-beta: `female-shaonv-jingpin`
      * Voz de mujer madura y elegante-beta: `female-yujie-jingpin`
      * Voz de mujer madura-beta: `female-chengshu-jingpin`
      * Voz de mujer dulce-beta: `female-tianmei-jingpin`
      * Niño inteligente: `clever_boy`
      * Niño adorable: `cute_boy`
      * Niña encantadora: `lovely_girl`
      * Cerdita caricaturesca Xiaoqi: `cartoon_pig`
      * Hermano menor yandere: `bingjiao_didi`
      * Novio apuesto: `junlang_nanyou`
      * Estudiante menor inocente: `chunzhen_xuedi`
      * Estudiante mayor distante: `lengdan_xiongzhang`
      * Joven amo dominante: `badao_shaoye`
      * Dulce Xiaoling: `tianxin_xiaoling`
      * Chica tierna y traviesa: `qiaopi_mengmei`
      * Mujer madura seductora: `wumei_yujie`
      * Estudiante menor mimosa: `diadia_xuemei`
      * Estudiante mayor elegante: `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">
      Controla la emoción de la voz sintetizada;

      Actualmente admite 7 emociones: alegría, tristeza, ira, miedo, asco, sorpresa, neutralidad;

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

    <ParamField body="latex_read" type="bool" default="false">
      Controla si se admite la lectura de fórmulas latex. El valor predeterminado es false.

      Ten en cuenta:

      1. Las fórmulas de la solicitud deben estar rodeadas por \$\$ al inicio y al final;
      2. Si una fórmula de la solicitud contiene "", debe escaparse como "\\".

      Ejemplo: la fórmula básica de la derivada es `$$\\frac{d}{dx}(x^n) = nx^{n-1}$$`
    </ParamField>

    <ParamField body="text_normalization" type="bool" default="false">
      Este parámetro admite la normalización de texto en inglés, lo que puede mejorar el rendimiento en escenarios de lectura de números, pero aumentará ligeramente la latencia. Si no se proporciona, el valor predeterminado es false.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="audio_setting" type="object">
  <Expandable title="properties">
    <ParamField body="sample_rate" type="int" default="32000">
      Rango 【8000，16000，22050，24000，32000，44100】

      Frecuencia de muestreo de la voz generada. Opcional; el valor predeterminado es 32000.
    </ParamField>

    <ParamField body="bitrate" type="int" default="128000">
      Rango 【32000，64000，128000，256000】

      Tasa de bits de la voz generada. Opcional; el valor predeterminado es 128000. Este parámetro solo tiene efecto para audio en formato mp3.
    </ParamField>

    <ParamField body="format" type="string" default="mp3">
      Formato del audio generado. El valor predeterminado es mp3; rango \[mp3,pcm,flac,wav]. wav solo se admite en salida no streaming.
    </ParamField>

    <ParamField body="channel" type="int" default="1">
      Número de canales del audio generado. Valor predeterminado 1: mono. Opciones:

      1: mono

      2: estéreo
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="pronunciation_dict" type="object">
  <Expandable title="properties">
    <ParamField body="tone" type="list">
      Sustituye texto, símbolos y sus pronunciaciones correspondientes que requieren anotación especial.

      Sustitución de pronunciación (ajustar tono/sustituir la pronunciación de otros caracteres), con el siguiente formato:

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

      Los tonos se sustituyen por números: el primer tono (yinping) es 1, el segundo tono (yangping) es 2, el tercer tono (shangsheng) es 3, el cuarto tono (qusheng) es 4, y el tono neutro es 5.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="timbre_weights" type="object[]">
  Obligatorio, a elegir entre este y voice\_id

  <Expandable title="properties">
    <ParamField body="voice_id" type="string">
      ID de la voz solicitada. Debe completarse junto con el parámetro weight.
    </ParamField>

    <ParamField body="weight" type="int">
      Rango \[1,100]

      Peso; debe completarse junto con voice\_id. Admite la mezcla de hasta 4 voces. El valor debe ser un entero; cuanto mayor sea la proporción de una sola voz, más se parecerá la voz sintetizada a ella.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="stream" type="boolean" default="false">
  Indica si se usa streaming. El valor predeterminado es false, es decir, el streaming no está habilitado.
</ParamField>

<ParamField body="stream_options" type="object">
  <Expandable title="properties">
    <ParamField body="exclude_aggregated_audio" type="boolean" default="false">
      Cuando este parámetro se establece en True, el último chunk del streaming no contendrá los datos hex de la voz completa concatenada. El valor predeterminado es False, es decir, el último chunk contiene los datos hex de la voz completa concatenada.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="language_boost" type="string" default="null">
  Mejora la capacidad de reconocimiento para lenguas minoritarias y dialectos especificados. Después de configurarlo, puede mejorar el rendimiento de voz en escenarios de la lengua minoritaria/dialecto especificado. Si no está claro el tipo de lengua minoritaria, puedes elegir "auto", y el modelo determinará de forma autónoma el tipo de lengua minoritaria. 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'`
</ParamField>

<ParamField body="output_format" type="string" default="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; los escenarios de streaming solo admiten la devolución en formato hex. La url devuelta es válida durante 24 horas.
</ParamField>

<ParamField body="voice_modify" type="object">
  Configuración de efectos de voz. Este parámetro admite los siguientes formatos de audio:

  * No streaming: mp3, wav, flac
  * Streaming: mp3

  <Expandable title="properties">
    <ParamField body="pitch" type="integer">
      Ajuste de tono (grave/brillante), rango \[-100,100]. Cuanto más se acerque el valor a -100, más grave será la voz; cuanto más se acerque a 100, más brillante será.
    </ParamField>

    <ParamField body="intensity" type="integer">
      Ajuste de intensidad (potencia/suavidad), rango \[-100,100]. Cuanto más se acerque el valor a -100, más firme será la voz; cuanto más se acerque a 100, más suave será.
    </ParamField>

    <ParamField body="timbre" type="integer">
      Ajuste de timbre (magnético/nítido), rango \[-100,100]. Cuanto más se acerque el valor a -100, más profunda y rica será la voz; cuanto más se acerque a 100, más nítida será.
    </ParamField>

    <ParamField body="sound_effects" type="string">
      Configuración de efectos de sonido. Solo se puede seleccionar uno por solicitud. Valores opcionales:

      * `spacious_echo`（eco espacioso）
      * `auditorium_echo`（difusión de auditorio）
      * `lofi_telephone`（distorsión telefónica）
      * `robotic`（voz electrónica）
    </ParamField>
  </Expandable>
</ParamField>

## Información de respuesta

<ResponseField name="audio" type="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 devolución se basa en la definición de `output_format`; cuando `stream` es true, solo se admite la devolución en formato hex.
</ResponseField>

<ResponseField name="status" type="number">
  Estado actual del flujo de audio, devuelto solo cuando `stream` es true. 1 indica que la síntesis está en curso; 2 indica que la síntesis ha finalizado.
</ResponseField>