> ## 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-turbo

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.

<Tip>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](/es/docs/models/reference-minimax-speech-2.6-turbo-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 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.
</ParamField>

<ParamField body="voice_setting" type="object" required={true}>
  <Expandable title="propiedades">
    <ParamField body="speed" type="float" default="1.0">
      Rango \[0.5,2], el valor predeterminado es 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], el valor predeterminado es 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], el valor predeterminado es 0

      Entonación 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 elegir uno entre este parámetro 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 de 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 de 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`
      * Cerdito de dibujos animados 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 juguetona: `qiaopi_mengmei`
      * Mujer madura seductora: `wumei_yujie`
      * Estudiante menor melosa: `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: feliz, triste, enojado, temeroso, asqueado, sorprendido y neutral;

      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.

      Tenga en cuenta:

      1. Las fórmulas en la solicitud deben llevar \$\$ al inicio y al final;
      2. Si una fórmula en 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 y 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="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】

      Bitrate 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 de 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. El valor predeterminado es 1: mono. Opciones:

      1: mono

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

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

      Sustitución de pronunciación (ajuste de tono / sustitución por 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 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="timbre_weights" type="object[]">
  Obligatorio elegir uno entre este parámetro y voice\_id

  <Expandable title="propiedades">
    <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 mezclar hasta 4 voces. El valor debe ser un entero; cuanto mayor sea la proporción de una voz individual, más se parecerá la voz sintetizada a esa voz.
    </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="propiedades">
    <ParamField body="exclude_aggregated_audio" type="boolean" default="false">
      Cuando este parámetro se establece en True, el último chunk del streaming no incluirá los datos hex de la voz completa concatenada. El valor predeterminado es False, es decir, el último chunk incluye 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 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'`
</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 streaming solo admiten devolver en forma 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="propiedades">
    <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 la voz
    </ParamField>

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

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

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

      * `spacious_echo`（eco en espacio abierto）
      * `auditorium_echo`（difusión de auditorio）
      * `lofi_telephone`（distorsión telefónica）
      * `robotic`（sonido electrónico）
    </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 retorno se basa en la definición de `output_format`; cuando `stream` es true, solo se admite el retorno 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>