> ## 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.

# Synthèse vocale synchrone MiniMax Speech-2.6-hd

Cette API prend en charge la génération synchrone de texte en parole, avec une limite maximale de 10000 caractères par transmission de texte. Elle prend en charge plus de 100 voix système et la sélection libre de voix clonées ; l’ajustement du volume, de l’intonation, de la vitesse de parole 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 l’envoi d’une requête de synthèse vocale de texte long, veuillez noter que l’url retournée est valable pendant 24 heures à compter de son retour. Veillez à télécharger les informations dans les délais.

<Tip>Adapté 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](/fr/docs/models/reference-minimax-speech-2.6-hd-async).</Tip>

## En-têtes de requête

<ParamField header="Content-Type" type="string" required={true}>
  Valeur énumérée : `application/json`
</ParamField>

<ParamField header="Authorization" type="string" required={true}>
  Format d’authentification Bearer : Bearer \{\{API Key}}.
</ParamField>

## Corps de la requête

<ParamField body="text" type="string" required={true}>
  Texte à synthétiser, 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 parole, ajoutez \<#x#> entre les caractères, où x est en secondes, avec une plage prise en charge de 0.01 à 99.99 et jusqu’à deux décimales). Prend en charge la personnalisation de l’intervalle temporel vocal entre deux textes afin de créer des pauses vocales personnalisées. Veuillez noter que l’intervalle entre les textes doit être défini entre deux segments pouvant être prononcés, et que plusieurs intervalles consécutifs ne peuvent pas être définis.
</ParamField>

<ParamField body="voice_setting" type="object" required={true}>
  <Expandable title="properties">
    <ParamField body="speed" type="float" default="1.0">
      Plage \[0.5,2], valeur par défaut : 1.0

      Vitesse de parole de la voix générée. Optionnel ; plus la valeur est élevée, plus la vitesse de parole est rapide.
    </ParamField>

    <ParamField body="vol" type="float" default="1.0">
      Plage (0,10], valeur par défaut : 1.0

      Volume de la voix générée. Optionnel ; plus la valeur est élevée, plus le volume est élevé.
    </ParamField>

    <ParamField body="pitch" type="int" default="0">
      Plage \[-12,12], valeur par défaut : 0

      Intonation de la voix générée. Optionnel ; (0 correspond à la sortie de la voix d’origine, la valeur doit être un entier).
    </ParamField>

    <ParamField body="voice_id" type="string">
      Identifiant de la voix demandée. Obligatoire au choix avec timbre\_weights.

      Deux types sont pris en charge : voix système (id) et voix clonées (id). Les voix système (ID) sont les suivantes :

      * Voix de jeune homme timide : `male-qn-qingse`
      * Voix de jeune homme d’élite : `male-qn-jingying`
      * Voix de jeune homme autoritaire : `male-qn-badao`
      * Voix de jeune étudiant universitaire : `male-qn-daxuesheng`
      * Voix de jeune fille : `female-shaonv`
      * Voix de femme mature et assurée : `female-yujie`
      * Voix de femme mûre : `female-chengshu`
      * Voix de femme douce : `female-tianmei`
      * Présentateur masculin : `presenter_male`
      * Présentatrice féminine : `presenter_female`
      * Livre audio masculin 1 : `audiobook_male_1`
      * Livre audio masculin 2 : `audiobook_male_2`
      * Livre audio féminin 1 : `audiobook_female_1`
      * Livre audio féminin 2 : `audiobook_female_2`
      * Voix de jeune homme timide-beta : `male-qn-qingse-jingpin`
      * Voix de jeune homme d’élite-beta : `male-qn-jingying-jingpin`
      * Voix de jeune homme autoritaire-beta : `male-qn-badao-jingpin`
      * Voix de jeune étudiant universitaire-beta : `male-qn-daxuesheng-jingpin`
      * Voix de jeune fille-beta : `female-shaonv-jingpin`
      * Voix de femme mature et assurée-beta : `female-yujie-jingpin`
      * Voix de femme mûre-beta : `female-chengshu-jingpin`
      * Voix de femme douce-beta : `female-tianmei-jingpin`
      * Garçon intelligent : `clever_boy`
      * Garçon mignon : `cute_boy`
      * Petite fille adorable : `lovely_girl`
      * Cochon de dessin animé Xiaoqi : `cartoon_pig`
      * Petit frère maladivement attachant : `bingjiao_didi`
      * Petit ami séduisant : `junlang_nanyou`
      * Jeune camarade innocent : `chunzhen_xuedi`
      * Aîné distant : `lengdan_xiongzhang`
      * Jeune maître autoritaire : `badao_shaoye`
      * Petite Ling au cœur doux : `tianxin_xiaoling`
      * Fille vive et espiègle : `qiaopi_mengmei`
      * Femme séduisante et assurée : `wumei_yujie`
      * Jeune camarade à la voix douce : `diadia_xuemei`
      * Aînée élégante : `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">
      Contrôle l’émotion de la voix synthétisée ;

      7 émotions sont actuellement prises en charge : joie, tristesse, colère, peur, dégoût, surprise, neutralité ;

      Plage de paramètres : `["happy", "sad", "angry", "fearful", "disgusted", "surprised", "neutral"]`
    </ParamField>

    <ParamField body="latex_read" type="bool" default="false">
      Contrôle la prise en charge de la lecture des formules latex. La valeur par défaut est false.

      Remarques :

      1. Les formules dans la requête doivent être entourées de \$\$ au début et à la fin ;
      2. Si une formule dans la requête contient "", il doit être échappé en "\\".

      Exemple : la formule de base de la dérivée est `$$\\frac{d}{dx}(x^n) = nx^{n-1}$$`
    </ParamField>

    <ParamField body="text_normalization" type="bool" default="false">
      Ce paramètre prend en charge la normalisation des textes anglais, ce qui peut améliorer les performances dans les scénarios de lecture de nombres, mais augmente légèrement la latence. S’il n’est pas fourni, la valeur par défaut est false.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="audio_setting" type="object">
  <Expandable title="properties">
    <ParamField body="sample_rate" type="int" default="32000">
      Plage 【8000，16000，22050，24000，32000，44100】

      Taux d’échantillonnage de la voix générée. Optionnel, valeur par défaut : 32000.
    </ParamField>

    <ParamField body="bitrate" type="int" default="128000">
      Plage 【32000，64000，128000，256000】

      Débit binaire de la voix générée. Optionnel, valeur par défaut : 128000. Ce paramètre ne s’applique qu’à l’audio au format mp3.
    </ParamField>

    <ParamField body="format" type="string" default="mp3">
      Format audio généré. Par défaut : mp3, plage \[mp3,pcm,flac,wav]. wav n’est pris en charge que pour les sorties non streaming.
    </ParamField>

    <ParamField body="channel" type="int" default="1">
      Nombre de canaux de l’audio généré. Par défaut 1 : mono. Options :

      1 : mono

      2 : stéréo
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="pronunciation_dict" type="object">
  <Expandable title="properties">
    <ParamField body="tone" type="list">
      Remplace les textes, symboles et prononciations correspondantes nécessitant une annotation spéciale.

      Remplacement de prononciation (ajustement du ton/remplacement de la prononciation d’autres caractères), au format suivant :

      `["燕少飞/(yan4)(shao3)(fei1)","达菲/(da2)(fei1)"，"omg/oh my god"]`

      Les tons sont représentés par des chiffres : le premier ton (yinping) est 1, le deuxième ton (yangping) est 2, le troisième ton (shangsheng) est 3, le quatrième ton (qusheng) est 4, et le ton léger est 5.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="timbre_weights" type="object[]">
  Obligatoire au choix avec voice\_id

  <Expandable title="properties">
    <ParamField body="voice_id" type="string">
      id de la voix demandée. Doit être renseigné avec le paramètre weight.
    </ParamField>

    <ParamField body="weight" type="int">
      Plage \[1,100]

      Poids, à renseigner avec voice\_id. Jusqu’à 4 voix peuvent être mélangées. La valeur doit être un entier ; plus la proportion d’une voix unique est élevée, plus la voix synthétisée lui ressemble.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="stream" type="boolean" default="false">
  Indique si le mode streaming est activé. Par défaut : false, c’est-à-dire que le streaming n’est pas activé.
</ParamField>

<ParamField body="stream_options" type="object">
  <Expandable title="properties">
    <ParamField body="exclude_aggregated_audio" type="boolean" default="false">
      Lorsque ce paramètre est défini sur True, le dernier chunk du streaming ne contiendra pas les données hex complètes de l’audio concaténé. Par défaut : False, ce qui signifie que le dernier chunk contient les données hex complètes de l’audio concaténé.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="language_boost" type="string" default="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 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 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'`
</ParamField>

<ParamField body="output_format" type="string" default="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 prend effet que dans les scénarios non streaming ; les scénarios streaming ne prennent en charge que le retour au format hex. L’url retournée est valable 24 heures.
</ParamField>

<ParamField body="voice_modify" type="object">
  Paramètres des effets vocaux. Ce paramètre prend en charge les formats audio suivants :

  * Non streaming : mp3, wav, flac
  * Streaming : mp3

  <Expandable title="properties">
    <ParamField body="pitch" type="integer">
      Ajustement de la hauteur (grave/brillante), plage \[-100,100] ; plus la valeur est proche de -100, plus la voix est grave ; plus elle est proche de 100, plus la voix est brillante
    </ParamField>

    <ParamField body="intensity" type="integer">
      Ajustement de l’intensité (puissance/douceur), plage \[-100,100] ; plus la valeur est proche de -100, plus la voix est énergique ; plus elle est proche de 100, plus la voix est douce
    </ParamField>

    <ParamField body="timbre" type="integer">
      Ajustement du timbre (magnétique/clair), plage \[-100,100] ; plus la valeur est proche de -100, plus la voix est riche ; plus la valeur est proche de 100, plus la voix est claire
    </ParamField>

    <ParamField body="sound_effects" type="string">
      Paramètres d’effet sonore. Une seule option peut être sélectionnée à la fois. Valeurs possibles :

      * `spacious_echo`（écho spacieux）
      * `auditorium_echo`（diffusion de salle）
      * `lofi_telephone`（distorsion téléphonique）
      * `robotic`（voix électronique）
    </ParamField>
  </Expandable>
</ParamField>

## Informations de réponse

<ResponseField name="audio" type="string">
  Segment audio synthétisé, encodé en hex, généré selon le format défini en entrée (`audio_setting.format`) (mp3/pcm/flac). La forme du retour dépend de la définition de `output_format` ; lorsque `stream` est true, seule la forme de retour hex est prise en charge.
</ResponseField>

<ResponseField name="status" type="number">
  État actuel du flux audio, retourné uniquement lorsque `stream` est true. 1 indique que la synthèse est en cours, 2 indique que la synthèse est terminée.
</ResponseField>