> ## 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 asíncrona MiniMax Speech-2.6-turbo

Esta API admite la generación asíncrona de texto a voz. Una sola transmisión de generación de texto admite hasta 1 millón de caracteres, y el resultado de audio completo generado puede recuperarse de forma asíncrona. Admite más de 100 voces del sistema y selección independiente de voces clonadas; también permite ajustar de forma independiente la entonación, velocidad, volumen, tasa de bits, frecuencia de muestreo y formato de salida.

Después de enviar una solicitud de síntesis de voz para texto largo, tenga en cuenta que la url devuelta es válida durante 24 horas desde el momento en que se devuelve la url. Preste atención al plazo de descarga de la información.

<Tip>Es adecuada para la generación de voz de textos largos, como libros completos; el tiempo de cola de la tarea puede ser más prolongado. Para escenarios como generación de frases cortas, chat de voz o interacción social en línea, se recomienda usar la [síntesis de voz con llamada síncrona](/es/docs/models/reference-minimax-speech-2.6-turbo).</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 un límite máximo de 50 000 caracteres.
</ParamField>

<ParamField body="voice_setting" type="object" required={true}>
  <Expandable title="propiedades">
    <ParamField body="speed" type="number" 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="number" 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="number" default={0}>
      Rango \[-12,12], valor predeterminado 0

      Entonación de la voz generada. Opcional; 0 produce la voz original, y el valor debe ser un número entero.
    </ParamField>

    <ParamField body="voice_id" type="string">
      ID de la voz solicitada.

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

      * Voz de joven inocente: `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 inocente-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 de caricatura Xiaoqi: `cartoon_pig`
      * Hermano menor yandere: `bingjiao_didi`
      * Novio apuesto: `junlang_nanyou`
      * Estudiante menor inocente: `chunzhen_xuedi`
      * Estudiante mayor distante: `lengdan_xiongzhang`
      * Joven señor dominante: `badao_shaoye`
      * Dulce Xiaoling: `tianxin_xiaoling`
      * Chica mona y traviesa: `qiaopi_mengmei`
      * Mujer madura y seductora: `wumei_yujie`
      * Estudiante menor coqueta: `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 se admiten 7 emociones: felicidad, tristeza, ira, miedo, disgusto, sorpresa y neutralidad;

      Rango de parámetros: `["happy", "sad", "angry", "fearful", "disgusted", "surprised", "neutral"]`
    </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, aunque aumentará ligeramente la latencia. Si no se proporciona, el valor predeterminado es false.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="audio_setting" type="object">
  <Expandable title="propiedades">
    <ParamField body="sample_rate" type="number" 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="number" default={128000}>
      Rango 【32000，64000，128000，256000】

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

    <ParamField body="format" type="string" default="mp3">
      Formato del audio generado. Predeterminado: mp3. Opciones: `mp3`, `pcm`, `flac`, `wav`. wav solo se admite en salida no streaming.
    </ParamField>

    <ParamField body="channel" type="number" default={1}>
      Número de canales del audio generado. Predeterminado 1: mono. Opciones:

      1: mono

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

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

      Reemplazo de pronunciación (ajuste de tono/reemplazo de pronunciación por otros caracteres), con el siguiente formato:

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

      Los tonos se representan con 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="language_boost" type="string" default="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 está claro el tipo de idioma minoritario, puede elegir "auto", y el modelo determinará de forma autónoma 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'`
</ParamField>

<ParamField body="voice_modify" type="object">
  Configuración de efectos de voz. Este parámetro admite los siguientes formatos de audio: mp3, wav, flac

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

    <ParamField body="intensity" type="integer">
      Ajuste de intensidad (potente/suave), rango \[-100,100]. Cuanto más cercano sea el valor a -100, más enérgica será la voz; cuanto más cercano a 100, más suave será la voz.
    </ParamField>

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

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

      * `spacious_echo`（eco en espacio abierto）
      * `auditorium_echo`（megafonía de auditorio）
      * `lofi_telephone`（distorsión telefónica）
      * `robotic`（voz electrónica）
    </ParamField>
  </Expandable>
</ParamField>

## Parámetros de información de respuesta

<ResponseField name="task_id" type="string" required={true}>
  El task\_id de la tarea asíncrona. Debe usar este task\_id para solicitar la [API de consulta de resultado de tarea](/es/docs/models/reference-get-async-task-result) y obtener el resultado generado.
</ResponseField>