Saltar al contenido principal
POST
/
v3
/
minimax-speech-2.6-turbo
Síntesis de voz síncrona MiniMax Speech-2.6-turbo
curl --request POST \
  --url https://api.highwayapi.ai/v3/minimax-speech-2.6-turbo \
  --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 una transmisión máxima de 10000 caracteres por texto. Admite más de 100 voces del sistema y selección autónoma de voces clonadas; admite ajuste de volumen, entonación, velocidad y formato de salida; admite mezcla proporcional, control de intervalos 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, tenga en cuenta que la URL devuelta tiene una validez de 24 horas desde el momento en que se devuelve la URL. Preste atención al tiempo de descarga de la información.
Adecuada para escenarios como generación de frases cortas, chat de voz y redes sociales en línea; el tiempo de procesamiento es corto, pero el límite de longitud del texto es inferior a 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, con un límite de longitud inferior a 10000 caracteres; los cambios de párrafo se sustituyen por saltos de línea. (Si necesita controlar el intervalo de tiempo en la voz, agregue <#x#> entre caracteres; la unidad de x es 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 de voz personalizadas en el texto. Tenga 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 elegir uno entre este parámetro y voice_id
stream
boolean
predeterminado:"false"
Indica si se usa streaming. El valor predeterminado es false, es decir, el streaming no está habilitado.
stream_options
object
language_boost
string
predeterminado:"null"
Mejora la capacidad de reconocimiento para idiomas minoritarios y dialectos especificados. Después de configurarlo, puede mejorar el rendimiento de voz en escenarios del idioma minoritario/dialecto especificado. Si no está claro el tipo de idioma minoritario, puede elegir “auto” y el modelo determinará automáticamente el tipo de idioma minoritario. 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; los escenarios streaming solo admiten devolver en forma 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 basa en 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, devuelto solo cuando stream es true. 1 indica que la síntesis está en curso, 2 indica que la síntesis ha finalizado.