Passer au contenu principal
POST
/
v3
/
minimax-speech-2.5-turbo-preview
Synthèse vocale synchrone MiniMax Speech-2.5-turbo-preview
curl --request POST \
  --url https://api.highwayapi.ai/v3/minimax-speech-2.5-turbo-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 transmission de texte. Elle prend en charge plus de 100 voix système et le choix 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 ; ainsi que plusieurs spécifications et formats audio, notamment : mp3, pcm, flac, wav, avec prise en charge de la sortie en streaming. Après avoir soumis une demande de synthèse vocale de texte long, veuillez noter que l’url renvoyée est valable 24 heures à compter de son retour. Veuillez tenir compte du délai de téléchargement des informations.
Convient aux scénarios tels que la génération de phrases courtes, le chat vocal et les réseaux sociaux 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 d’énumération : application/json
Authorization
string
requis
Format d’authentification Bearer : Bearer {{API Key}}.

Corps de la requête

text
string
requis
Texte à synthétiser, avec une limite de longueur inférieure à 10000 caractères. Les changements de paragraphe doivent être remplacés par des retours à la ligne. (Si vous devez contrôler l’intervalle dans la voix, ajoutez <#x#> entre les caractères, x étant exprimé en secondes, avec une plage prise en charge de 0.01 à 99.99 et au maximum deux décimales). Les intervalles de temps vocaux entre textes personnalisés sont pris en charge afin d’obtenir un effet de pause vocale personnalisé. Notez que l’intervalle de temps entre les textes doit être défini entre deux textes pouvant être prononcés vocalement, et qu’il n’est pas possible de définir plusieurs intervalles de temps consécutifs.
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 la sortie est en streaming. 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. Une fois défini, ce paramètre peut améliorer les performances vocales dans les scénarios de langue/dialecte spécifiés. Si le type de langue minoritaire n’est pas clairement identifié, vous pouvez choisir “auto” ; le modèle déterminera alors lui-même 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 streaming prennent uniquement en charge un retour au format hex. L’url renvoyée est valable 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 et généré selon le format défini en entrée (audio_setting.format) (mp3/pcm/flac). La forme du retour est déterminée par la définition de output_format ; lorsque stream est true, seul le format de retour hex est pris en charge.
status
number
État actuel du flux audio, renvoyé uniquement lorsque stream est true. 1 indique que la synthèse est en cours, 2 indique que la synthèse est terminée.