> ## 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 2.8 HD

Convierte texto en voz, compatible con múltiples voces, control de emociones, ajuste de velocidad y otras funciones. El límite de longitud del texto es inferior a 10000 caracteres; si la longitud del texto supera los 3000 caracteres, se recomienda usar salida en streaming.

## 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 debe sintetizar como voz. El límite de longitud es inferior a 10000 caracteres; si la longitud del texto supera los 3000 caracteres, se recomienda usar salida en streaming. Admite cambios de párrafo (saltos de línea), control de pausas (marca `&lt;#x#&gt;`) y etiquetas de muletillas o sonidos vocales (como (laughs), (coughs), etc.; solo compatibles con speech-2.8-hd/turbo)
</ParamField>

<ParamField body="stream" type="boolean" default={false}>
  Controla si se usa salida en streaming. El valor predeterminado es false, es decir, no se habilita el streaming
</ParamField>

<ParamField body="voice_modify" type="object">
  <Expandable title="propiedades" defaultOpen={true}>
    <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

      Rango de valores: \[-100, 100]
    </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 a 100, más nítida será

      Rango de valores: \[-100, 100]
    </ParamField>

    <ParamField body="intensity" type="integer">
      Ajuste de intensidad (sensación de fuerza/suavidad), 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

      Rango de valores: \[-100, 100]
    </ParamField>

    <ParamField body="sound_effects" type="string">
      Configuración de efectos de sonido. Solo se puede seleccionar uno por vez. Valores disponibles: spacious\_echo (eco en espacio abierto), auditorium\_echo (difusión de auditorio), lofi\_telephone (distorsión telefónica), robotic (sonido electrónico)

      Valores disponibles: `spacious_echo`, `auditorium_echo`, `lofi_telephone`, `robotic`
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="audio_setting" type="object">
  <Expandable title="propiedades" defaultOpen={true}>
    <ParamField body="format" type="string" default="mp3">
      Formato del audio generado. wav solo es compatible con salida sin streaming

      Valores disponibles: `mp3`, `pcm`, `flac`, `wav`
    </ParamField>

    <ParamField body="bitrate" type="integer" default={128000}>
      Tasa de bits del audio generado. Rango disponible \[32000, 64000, 128000, 256000], valor predeterminado 128000. Este parámetro solo tiene efecto para audio en formato mp3

      Valores disponibles: `32000`, `64000`, `128000`, `256000`
    </ParamField>

    <ParamField body="channel" type="integer" default={1}>
      Número de canales del audio generado. Rango disponible: \[1, 2], donde 1 es mono y 2 es estéreo. El valor predeterminado es 1

      Valores disponibles: `1`, `2`
    </ParamField>

    <ParamField body="force_cbr" type="boolean" default={false}>
      Control de tasa de bits constante (cbr) para audio; valores disponibles: false, true. Cuando este parámetro se establece en true, el audio se codifica con tasa de bits constante. Nota: este parámetro solo tiene efecto cuando el audio se configura como salida en streaming y el formato de audio es mp3
    </ParamField>

    <ParamField body="sample_rate" type="integer" default={32000}>
      Frecuencia de muestreo del audio generado. Rango disponible \[8000, 16000, 22050, 24000, 32000, 44100], valor predeterminado 32000

      Valores disponibles: `8000`, `16000`, `22050`, `24000`, `32000`, `44100`
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="output_format" type="string" default="hex">
  Parámetro que controla la forma del resultado de salida. El rango de valores disponible es url, hex, con valor predeterminado hex. Este parámetro solo tiene efecto en escenarios sin streaming; en escenarios con streaming solo se admite devolver el formato hex. La url devuelta tiene una validez de 24 horas

  Valores disponibles: `url`, `hex`
</ParamField>

<ParamField body="voice_setting" type="object">
  <Expandable title="propiedades" defaultOpen={true}>
    <ParamField body="vol" type="number" default={1}>
      Volumen del audio sintetizado; cuanto mayor sea el valor, mayor será el volumen. Rango de valores (0, 10], valor predeterminado 1.0

      Rango de valores: \[0, 10]
    </ParamField>

    <ParamField body="pitch" type="integer" default={0}>
      Entonación del audio sintetizado. Rango de valores \[-12, 12], valor predeterminado 0, donde 0 corresponde a la salida con la voz original

      Rango de valores: \[-12, 12]
    </ParamField>

    <ParamField body="speed" type="number" default={1}>
      Velocidad del audio sintetizado; cuanto mayor sea el valor, más rápida será la velocidad. Rango de valores \[0.5, 2], valor predeterminado 1.0

      Rango de valores: \[0.5, 2]
    </ParamField>

    <ParamField body="emotion" type="string">
      Controla la emoción de la voz sintetizada. El rango del parámetro corresponde a 8 emociones: alegría (happy), tristeza (sad), ira (angry), miedo (fearful), asco (disgusted), sorpresa (surprised), neutralidad (calm), vivacidad (fluent), susurro (whisper). El modelo emparejará automáticamente una emoción adecuada según el texto de entrada; por lo general, no es necesario especificarla manualmente

      Valores disponibles: `happy`, `sad`, `angry`, `fearful`, `disgusted`, `surprised`, `calm`, `fluent`, `whisper`
    </ParamField>

    <ParamField body="voice_id" type="string" required={true}>
      Identificador de la voz del audio sintetizado. Si necesitas configurar una mezcla de voces, establece el parámetro timber\_weights y deja este parámetro como valor vacío. Admite tres tipos: voces del sistema, voces clonadas y voces generadas a partir de texto
    </ParamField>

    <ParamField body="latex_read" type="boolean" default={false}>
      Controla si se leen fórmulas latex; el valor predeterminado es false. Solo es compatible con chino. Después de habilitar este parámetro, el parámetro language\_boost se establecerá en Chinese
    </ParamField>

    <ParamField body="text_normalization" type="boolean" default={false}>
      Indica si se habilita la normalización de texto en chino e inglés. Al habilitarla, puede mejorar el rendimiento en escenarios de lectura de números, pero aumentará ligeramente la latencia. El valor predeterminado es false
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="aigc_watermark" type="boolean" default={false}>
  Controla si se añade una marca de ritmo de audio al final del audio sintetizado; el valor predeterminado es false. Este parámetro solo tiene efecto para síntesis sin streaming
</ParamField>

<ParamField body="language_boost" type="string">
  Indica si se mejora la capacidad de reconocimiento para el idioma minoritario o dialecto especificado. El valor predeterminado es null; se puede establecer en auto para que el modelo lo determine de forma autónoma

  Valores disponibles: `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="stream_options" type="object">
  <Expandable title="propiedades" defaultOpen={true}>
    <ParamField body="exclude_aggregated_audio" type="boolean" default={false}>
      Configura si el último chunk contiene los datos de voz hex concatenados. El valor predeterminado es false, es decir, el último chunk contiene los datos hex completos de la voz concatenada
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="timber_weights" type="object[]">
  Configuración de mezcla de voces; admite como máximo la mezcla de 4 voces

  <Expandable title="propiedades" defaultOpen={true}>
    <ParamField body="weight" type="integer" required={true}>
      Peso que ocupa cada voz en el audio sintetizado; debe completarse de forma sincronizada con voice\_id. El rango de valores disponible es \[1, 100]. Admite como máximo la mezcla de 4 voces; cuanto mayor sea la proporción de una sola voz, mayor será la similitud de la voz sintetizada con esa voz

      Rango de valores: \[1, 100]
    </ParamField>

    <ParamField body="voice_id" type="string" required={true}>
      Identificador de la voz del audio sintetizado; debe completarse junto con el parámetro weight. Admite tres tipos: voces del sistema, voces clonadas y voces generadas a partir de texto
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="subtitle_enable" type="boolean" default={false}>
  Controla si se habilita el servicio de subtítulos; el valor predeterminado es false. Este parámetro solo es válido en escenarios de salida sin streaming y solo es efectivo para los modelos speech-2.6-hd, speech-2.6-turbo, speech-01-turbo, speech-01-hd
</ParamField>

<ParamField body="continuous_sound" type="boolean" default={false}>
  Habilita este parámetro para que la conexión entre suboraciones sea más natural. Solo es compatible con los modelos speech-2.8-hd y speech-2.8-turbo
</ParamField>

<ParamField body="pronunciation_dict" type="object">
  <Expandable title="propiedades" defaultOpen={true}>
    <ParamField body="tone" type="string[]">
      Define las reglas de sustitución de pronunciación o lectura correspondientes a textos o símbolos que requieren anotación especial. En texto chino, los tonos se representan con números: el primer tono es 1, el segundo tono es 2, el tercer tono es 3, el cuarto tono es 4 y el tono neutro es 5. Ejemplo: \["燕少飞/(yan4)(shao3)(fei1)", "omg/oh my god"]
    </ParamField>
  </Expandable>
</ParamField>

## Información de respuesta

<ResponseField name="data" type="object" required={false}>
  Objeto de datos de síntesis devuelto; puede ser null, por lo que se debe comprobar que no sea nulo
</ResponseField>

<ResponseField name="trace_id" type="string" required={false}>
  id de esta sesión, utilizado para ayudar a localizar problemas durante consultas o comentarios
</ResponseField>

<ResponseField name="base_resp" type="object" required={false}>
  Código de estado y detalles de esta solicitud
</ResponseField>

<ResponseField name="extra_info" type="object" required={false}>
  Información adicional del audio
</ResponseField>