> ## 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-turbo

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.

<Tip>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](/fr/docs/models/reference-minimax-speech-2.6-turbo-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 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.
</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. Facultatif. 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. Facultatif. Plus la valeur est élevée, plus le volume est haut.
    </ParamField>

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

      Intonation de la voix générée. Facultatif. (0 correspond à la sortie du timbre original ; la valeur doit être un entier).
    </ParamField>

    <ParamField body="voice_id" type="string">
      Identifiant du timbre demandé. Obligatoire, au choix avec timbre\_weights.

      Prend en charge deux types : les timbres système (id) et les timbres clonés (id). Les timbres système (ID) sont les suivants :

      * Timbre jeune homme timide : `male-qn-qingse`
      * Timbre jeune homme élite : `male-qn-jingying`
      * Timbre jeune homme autoritaire : `male-qn-badao`
      * Timbre jeune étudiant universitaire : `male-qn-daxuesheng`
      * Timbre jeune fille : `female-shaonv`
      * Timbre femme affirmée : `female-yujie`
      * Timbre femme mature : `female-chengshu`
      * Timbre 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`
      * Timbre jeune homme timide-beta : `male-qn-qingse-jingpin`
      * Timbre jeune homme élite-beta : `male-qn-jingying-jingpin`
      * Timbre jeune homme autoritaire-beta : `male-qn-badao-jingpin`
      * Timbre jeune étudiant universitaire-beta : `male-qn-daxuesheng-jingpin`
      * Timbre jeune fille-beta : `female-shaonv-jingpin`
      * Timbre femme affirmée-beta : `female-yujie-jingpin`
      * Timbre femme mature-beta : `female-chengshu-jingpin`
      * Timbre 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 yandere : `bingjiao_didi`
      * Petit ami séduisant : `junlang_nanyou`
      * Cadet innocent : `chunzhen_xuedi`
      * Aîné distant : `lengdan_xiongzhang`
      * Jeune maître autoritaire : `badao_shaoye`
      * Petite Ling chérie : `tianxin_xiaoling`
      * Petite sœur espiègle et mignonne : `qiaopi_mengmei`
      * Femme affirmée séduisante : `wumei_yujie`
      * Cadette minaudière : `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 du paramètre : `["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. Valeur par défaut : false.

      À noter :

      1. Les formules dans la requête doivent être encadrées par \$\$ au début et à la fin ;
      2. Si une formule dans la requête contient "", il faut l’échapper 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 du texte 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. Facultatif, valeur par défaut : 32000.
    </ParamField>

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

      Débit binaire de la voix générée. Facultatif, 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 qu’en sortie 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 transcriptions phonétiques 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 indiqués par des chiffres : le premier ton（阴平）est 1, le deuxième ton（阳平）est 2, le troisième ton（上声）est 3, le quatrième ton（去声）est 4, et le ton neutre 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 du timbre demandé. Doit être renseigné en même temps que le paramètre weight.
    </ParamField>

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

      Poids, à renseigner en même temps que voice\_id. Prend en charge le mélange de jusqu’à 4 timbres. La valeur doit être un entier ; plus la proportion d’un timbre unique est élevée, plus le timbre synthétisé lui ressemble.
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="stream" type="boolean" default="false">
  Indique s’il s’agit d’un streaming. Valeur 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 de la voix complète concaténée. Par défaut : False, c’est-à-dire que le dernier chunk contient les données hex de la voix complète concaténée.
    </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 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'`
</ParamField>

<ParamField body="output_format" type="string" default="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.
</ParamField>

<ParamField body="voice_modify" type="object">
  Paramètres d’effets vocaux. Formats audio pris en charge par ce paramètre :

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

  <Expandable title="properties">
    <ParamField body="pitch" type="integer">
      Ajustement de la hauteur (grave/brillant), 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 ferme ; 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 profonde ; plus elle 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 par requête. Valeurs possibles :

      * `spacious_echo`（écho dans un grand espace）
      * `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 renvoyée dépend de la définition de `output_format` ; lorsque `stream` vaut true, seule la forme de retour hex est prise en charge.
</ResponseField>

<ResponseField name="status" type="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.
</ResponseField>