Passer au contenu principal
POST
/
v3
/
minimax-speech-2.6-turbo
Synthèse vocale synchrone MiniMax Speech-2.6-turbo
curl --request POST \
  --url https://api.highwayapi.ai/v3/minimax-speech-2.6-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 texte en parole, avec un maximum de 10000 caractères par transmission de texte. Elle prend en charge plus de 100 timbres système et la sélection autonome de timbres clonés ; le réglage du volume, de l’intonation, de la vitesse et du format de sortie ; le mixage proportionnel, 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 valide pendant 24 heures à partir de son retour. Veillez à télécharger les informations dans les délais.
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 limite de longueur du texte est inférieure à 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, longueur limitée à moins de 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, 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 vocal entre les textes, afin d’obtenir un effet de pause vocale personnalisé. Notez que l’intervalle entre les textes doit être défini entre deux textes pouvant être prononcés, et qu’il n’est pas possible de définir plusieurs intervalles 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 s’il s’agit d’un streaming. Valeur 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 langues minoritaires/dialectes spécifiés. Si le type de langue minoritaire n’est pas clair, vous pouvez sélectionner “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. Valeurs possibles : url hex. Valeur par défaut : 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 renvoyée est valide pendant 24 heures.
voice_modify
object
Paramètres d’effets vocaux. Formats audio pris en charge par ce paramètre :
  • 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 renvoyée 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.