Passer au contenu principal
POST
/
v3
/
minimax-speech-02-turbo
Synthèse vocale synchrone MiniMax Speech-02-turbo
curl --request POST \
  --url https://api.highwayapi.ai/v3/minimax-speech-02-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
}
Cette API prend en charge la génération synchrone de voix à partir de texte, avec un maximum de 10000 caractères par transmission de texte. Elle prend en charge plus de 100 voix système ainsi que la sélection autonome de voix clonées ; le réglage du volume, de l’intonation, de la vitesse et du format de sortie ; le mixage proportionnel de plusieurs timbres et le contrôle d’intervalles fixes ; plusieurs spécifications et formats audio, notamment : mp3, pcm, flac, wav, ainsi que la sortie en streaming. Après l’envoi d’une requête de synthèse vocale de texte long, veuillez noter que l’URL retournée est valide pendant 24 heures à compter de son retour. Veuillez tenir compte de ce délai pour télécharger les informations.
Convient aux scénarios tels que la génération de phrases courtes, le chat vocal et les interactions sociales en ligne. Le temps de traitement est court, mais la longueur du texte est limitée à moins de 10000 caractères. Pour les textes longs, il est recommandé d’utiliser l’appel asynchrone de synthèse vocale.

En-têtes de requête

Content-Type
string
requis
Valeur énumérée : application/json
Authorization
string
requis
Format d’authentification Bearer : Bearer {{clé API}}.

Corps de la requête

text
string
requis
Texte à synthétiser, avec une longueur limitée à moins de 10000 caractères. Les changements de paragraphe doivent être remplacés par des retours à la ligne. (Si vous devez contrôler les intervalles dans la voix, ajoutez <#x#> entre les caractères ; x est exprimé en secondes, avec une plage prise en charge de 0.01 à 99.99 et au maximum deux décimales). Les intervalles vocaux personnalisés entre textes sont pris en charge afin de créer des pauses personnalisées dans la synthèse vocale. Notez que l’intervalle entre textes doit être défini entre deux segments de texte pouvant être prononcés, et que plusieurs intervalles consécutifs ne peuvent pas être définis.
voice_setting
object
requis
audio_setting
object
pronunciation_dict
object
timbre_weights
object[]
L’un des deux champs timbre_weights ou voice_id est obligatoire
stream
boolean
défaut:"false"
Indique si le streaming est activé. Par défaut : false, c’est-à-dire que le streaming n’est pas activé.
stream_options
object
language_boost
string
défaut:"null"
Améliore la capacité de reconnaissance pour les langues minoritaires et dialectes spécifiés. Une fois configuré, ce paramètre peut améliorer les performances vocales dans les scénarios correspondant à la langue minoritaire/au dialecte spécifié. Si le type de langue minoritaire n’est pas clairement identifié, vous pouvez sélectionner “auto” ; le modèle déterminera automatiquement le type de langue minoritaire. Les valeurs suivantes sont prises en charge :'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
défaut:"hex"
Paramètre contrôlant la forme du résultat de sortie. Les valeurs possibles sont url et hex. La valeur par défaut est hex. Ce paramètre ne s’applique qu’aux scénarios non streaming ; les scénarios streaming ne prennent en charge que le retour au format hex. L’URL retournée est valide pendant 24 heures.
voice_modify
object
Paramètres des effets vocaux. Ce paramètre prend en charge les formats audio suivants :
  • Non streaming : mp3, wav, flac
  • Streaming : mp3

Informations de réponse

audio
string
Segment audio synthétisé, encodé en hex, généré selon le format défini en entrée (audio_setting.format) (mp3/pcm/flac). La forme de retour dépend de la définition de output_format. Lorsque stream vaut true, seul le retour au format hex est pris en charge.
status
number
État actuel du flux audio, retourné uniquement lorsque stream vaut true. 1 indique que la synthèse est en cours ; 2 indique que la synthèse est terminée.