Passer au contenu principal
POST
/
v3
/
minimax-speech-2.5-hd-preview
Synthèse vocale synchrone MiniMax Speech-2.5-hd-preview
curl --request POST \
  --url https://api.highwayapi.ai/v3/minimax-speech-2.5-hd-preview \
  --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 texte en parole, avec un maximum de 10000 caractères par envoi de texte. Elle prend en charge plus de 100 voix système et la sélection autonome de voix clonées ; le réglage du volume, de l’intonation, de la vitesse et du format de sortie ; le mixage proportionnel 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 demande de synthèse vocale pour un texte long, veuillez noter que l’url renvoyée est valide pendant 24 heures à compter de sa génération. Veillez à télécharger les informations dans le délai imparti.
Adapté aux scénarios tels que la génération de phrases courtes, les chats vocaux 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 {{API Key}}.

Corps de la requête

text
string
requis
Texte à synthétiser, limité à moins de 10000 caractères. Les changements de paragraphe doivent être remplacés par des retours à la ligne. (Si vous devez contrôler le temps d’intervalle dans la parole, ajoutez <#x#> entre les caractères ; l’unité de x est la seconde, avec une plage de 0.01 à 99.99 et au maximum deux décimales). Les intervalles de temps vocaux personnalisés entre les textes sont pris en charge afin d’obtenir des pauses vocales personnalisées. Veuillez noter que l’intervalle de temps doit être placé entre deux segments de texte pouvant être prononcés, et que plusieurs intervalles de temps consécutifs ne peuvent pas être définis.
voice_setting
object
requis
audio_setting
object
pronunciation_dict
object
timbre_weights
object[]
Obligatoire, au choix avec voice_id
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"
Renforce la capacité de reconnaissance pour les langues minoritaires et dialectes spécifiés. Après configuration, cela 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 clair, vous pouvez choisir “auto” ; le modèle déterminera alors 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 hex. La valeur par défaut est hex. Ce paramètre ne s’applique qu’aux scénarios non streaming ; les scénarios en streaming prennent uniquement en charge le retour au format hex. L’url renvoyée est valide pendant 24 heures.
voice_modify
object
Paramètres d’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 conformément au format défini en entrée (audio_setting.format) (mp3/pcm/flac). La forme du retour dépend de la définition de output_format ; lorsque stream vaut true, seule la forme de retour hex est prise en charge.
status
number
État actuel du flux audio, renvoyé uniquement lorsque stream vaut true. 1 indique que la synthèse est en cours, 2 indique que la synthèse est terminée.