MiniMax Speech

curl --request POST \
  --url https://{api_domain}/v3/minimax/v1/t2a_v2

<?php

$curl = curl_init();

curl_setopt_array($curl, [
  CURLOPT_URL => "https://{api_domain}/v3/minimax/v1/t2a_v2",
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_ENCODING => "",
  CURLOPT_MAXREDIRS => 10,
  CURLOPT_TIMEOUT => 30,
  CURLOPT_HTTP_VERSION => CURL_HTTP_VERSION_1_1,
  CURLOPT_CUSTOMREQUEST => "POST",
]);

$response = curl_exec($curl);
$err = curl_error($curl);

curl_close($curl);

if ($err) {
  echo "cURL Error #:" . $err;
} else {
  echo $response;
}

package main

import (
	"fmt"
	"net/http"
	"io"
)

func main() {

	url := "https://{api_domain}/v3/minimax/v1/t2a_v2"

	req, _ := http.NewRequest("POST", url, nil)

	res, _ := http.DefaultClient.Do(req)

	defer res.Body.Close()
	body, _ := io.ReadAll(res.Body)

	fmt.Println(string(body))

}

require 'uri'
require 'net/http'

url = URI("https://{api_domain}/v3/minimax/v1/t2a_v2")

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true

request = Net::HTTP::Post.new(url)

response = http.request(request)
puts response.read_body

POST

minimax

t2a_v2

MiniMax Speech

curl --request POST \
  --url https://{api_domain}/v3/minimax/v1/t2a_v2

<?php

$curl = curl_init();

curl_setopt_array($curl, [
  CURLOPT_URL => "https://{api_domain}/v3/minimax/v1/t2a_v2",
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_ENCODING => "",
  CURLOPT_MAXREDIRS => 10,
  CURLOPT_TIMEOUT => 30,
  CURLOPT_HTTP_VERSION => CURL_HTTP_VERSION_1_1,
  CURLOPT_CUSTOMREQUEST => "POST",
]);

$response = curl_exec($curl);
$err = curl_error($curl);

curl_close($curl);

if ($err) {
  echo "cURL Error #:" . $err;
} else {
  echo $response;
}

package main

import (
	"fmt"
	"net/http"
	"io"
)

func main() {

	url := "https://{api_domain}/v3/minimax/v1/t2a_v2"

	req, _ := http.NewRequest("POST", url, nil)

	res, _ := http.DefaultClient.Do(req)

	defer res.Body.Close()
	body, _ := io.ReadAll(res.Body)

	fmt.Println(string(body))

}

require 'uri'
require 'net/http'

url = URI("https://{api_domain}/v3/minimax/v1/t2a_v2")

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true

request = Net::HTTP::Post.new(url)

response = http.request(request)
puts response.read_body

パラメータと使用方法は公式に合わせています。詳細なパラメータは公式ドキュメントを直接参照してください。

1. 概要

本書では、MiniMax Speech の純正プロトコルを通じて、同期音声合成、非同期長文音声合成、ファイル管理、ボイスクイッククローン、ボイスデザインを使用する方法を説明します。同期インターフェースは 1 回の POST リクエストで音声または SSE を直接返します。非同期インターフェースは先に task_id を返し、呼び出し元がタスク状態を照会してから、file_id を通じて結果ファイルを取得します。

1.1 エンドポイント

機能	メソッドとパス
同期音声合成	POST /v3/minimax/v1/t2a_v2
非同期音声タスクの作成	POST /v3/minimax/v1/t2a_async_v2
非同期音声タスクの照会	GET /v3/minimax/v1/query/t2a_async_query_v2?task_id=
ファイルのアップロード	POST /v3/minimax/v1/files/upload
ファイルの照会	GET /v3/minimax/v1/files/retrieve?file_id=
ファイルのダウンロード	GET /v3/minimax/v1/files/retrieve_content?file_id=
ボイスクイッククローン	POST /v3/minimax/v1/voice_clone
ボイスデザイン	POST /v3/minimax/v1/voice_design

完全なアドレスは https://{api_domain} に表内のパスを加えたものです。ここで {api_domain} は使用する API ドメインです。

1.2 認証

すべてのリクエストにはプラットフォームの API Key が必要です。JSON POST リクエストではさらに Content-Type を指定する必要があります：

Authorization: Bearer <YOUR_API_KEY>
Content-Type: application/json

ファイルアップロードは multipart/form-data を使用します。GET リクエストには Content-Type は不要です。

1.3 レスポンスとリソースアクセス

本インターフェースは MiniMax 純正のレスポンスフィールドとエラー構造を保持します。JSON レスポンスには通常 base_resp.status_code と base_resp.status_msg が含まれます。HTTP 200 は必ずしもビジネス上の成功を意味しないため、常に base_resp.status_code=0 を確認してください。 task_id と file_id は JavaScript の安全な整数範囲を超える可能性があるため、損失のない整数または文字列で保存してください。ファイル、タスク、プライベートボイスは、それらを作成したプラットフォームユーザーのみがアクセスできます。照会時には、リソース作成時と同じプラットフォーム API Key を使用してください。

2. 同期音声合成

公式パラメータ説明：同期音声合成 HTTP

2.1 エンドポイントの呼び出し

POST https://{api_domain}/v3/minimax/v1/t2a_v2

よく使用するリクエストフィールド：

フィールド	型	必須	説明
model	string	は	speech-2.8-hd または speech-2.8-turbo
text	string	は	合成するテキスト。10,000 文字未満。3,000 文字を超える場合はストリーミング出力を推奨
stream	boolean	いいえ	純正 SSE を返すかどうか。デフォルトは false
voice_setting	object	は	ボイス ID、速度、音量、ピッチ、感情などの設定
audio_setting	object	いいえ	サンプルレート、ビットレート、フォーマット、チャンネル設定
language_boost	string	いいえ	言語を指定、または auto
output_format	string	いいえ	hex（デフォルト）または url。ストリーミングでは hex のみ対応。URL の有効期間は 24 時間
subtitle_enable	boolean	いいえ	字幕を返すかどうか。デフォルトは false

pronunciation_dict、timbre_weights、voice_modify、stream_options などの純正拡張フィールドはそのまま転送されます。詳細な制約は MiniMax 公式ドキュメントに従ってください。

2.2 呼び出し例

curl -X POST 'https://{api_domain}/v3/minimax/v1/t2a_v2' \
  -H 'Authorization: Bearer <YOUR_API_KEY>' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "speech-2.8-hd",
    "text": "Welcome to our service.",
    "stream": false,
    "voice_setting": {
      "voice_id": "male-qn-qingse",
      "speed": 1,
      "vol": 1,
      "pitch": 0
    },
    "audio_setting": {
      "sample_rate": 32000,
      "bitrate": 128000,
      "format": "mp3",
      "channel": 1
    },
    "output_format": "url"
  }'

ストリーミング呼び出しでは、stream=true を設定し、ストリーミング読み取りに対応したクライアント（例：curl -N）を使用するだけです。

2.3 レスポンス説明

{
  "data": {
    "audio": "https://example.com/audio.mp3",
    "status": 2
  },
  "extra_info": {
    "usage_characters": 26,
    "audio_length": 9900,
    "audio_format": "mp3"
  },
  "trace_id": "provider-trace-id",
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  }
}

ストリーミングレスポンスは純正 SSE です。最終成功イベントの data.status は 2 で、使用量は extra_info.usage_characters にあります。

2.4 課金説明

上流が最終的に返す extra_info.usage_characters に基づいて課金され、課金単位は 10,000 文字ごとです。失敗したリクエスト、純正のビジネスエラー、および正常終了イベントのない SSE は課金されません。具体的な単価は、使用するサービスの価格ページに準じます。

3. 非同期長文音声合成

公式パラメータ説明：非同期タスクの作成、非同期タスクの照会

3.1 タスクの作成

POST https://{api_domain}/v3/minimax/v1/t2a_async_v2

フィールド	型	必須	説明
model	string	は	speech-2.8-hd または speech-2.8-turbo
text	string	二者択一	合成するテキスト。最大 50,000 文字。text_file_id と二者択一
text_file_id	integer	二者択一	ファイルアップロードで取得。txt または zip に対応。1 ファイルあたりのテキストは 1,000,000 文字未満
voice_setting	object	は	ボイスと音声パラメータ
audio_setting	object	いいえ	出力音声設定
language_boost	string	いいえ	言語を指定、または auto

3.2 作成例

curl -X POST 'https://{api_domain}/v3/minimax/v1/t2a_async_v2' \
  -H 'Authorization: Bearer <YOUR_API_KEY>' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "speech-2.8-turbo",
    "text": "A longer narration.",
    "voice_setting": {
      "voice_id": "audiobook_male_1",
      "speed": 1,
      "vol": 1,
      "pitch": 0
    }
  }'

{
  "task_id": 95157322514444,
  "task_token": "provider-task-token",
  "file_id": 95157322514444,
  "usage_characters": 101,
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  }
}

task_id を保存してください。非同期タスクの作成成功時点で、レスポンス内の usage_characters に基づいて課金されます。以降の照会では重複課金されません。

3.3 タスクの照会

curl -X GET 'https://{api_domain}/v3/minimax/v1/query/t2a_async_query_v2?task_id=95157322514444' \
  -H 'Authorization: Bearer <YOUR_API_KEY>'

この照会インターフェースは 1 秒あたり最大 10 回呼び出せます。状態には Processing、Success、Failed、Expired があります。終端状態に達したらポーリングを停止してください。

{
  "task_id": 95157322514444,
  "status": "Success",
  "file_id": 95157322514496,
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  }
}

タスク成功後、file_id を使用してファイルを照会またはダウンロードします。MiniMax 公式によると、ダウンロード URL は生成から約 9 時間有効です。結果は速やかに保存してください。

4. ファイル管理

公式パラメータ説明：ファイルのアップロード、ファイルの照会、ファイルのダウンロード

4.1 ファイルのアップロード

curl -X POST 'https://{api_domain}/v3/minimax/v1/files/upload' \
  -H 'Authorization: Bearer <YOUR_API_KEY>' \
  -F 'purpose=voice_clone' \
  -F 'file=@voice.wav'

purpose	用途とフォーマット
voice_clone	クイッククローン用の元音声。mp3、m4a、wav
prompt_audio	ボイスクローン用のサンプル音声。mp3、m4a、wav
t2a_async_input	非同期長文入力。txt、zip

リクエストには purpose を 1 つ、ファイルを 1 つだけ含める必要があります。1 回のプラットフォームリクエストのボディ上限は 64 MiB ですが、MiniMax による用途ごとのフォーマット、長さ、サイズの制限は引き続き適用されます。

4.2 照会とダウンロード

curl -X GET 'https://{api_domain}/v3/minimax/v1/files/retrieve?file_id=95157322514496' \
  -H 'Authorization: Bearer <YOUR_API_KEY>'

curl -X GET 'https://{api_domain}/v3/minimax/v1/files/retrieve_content?file_id=95157322514496' \
  -H 'Authorization: Bearer <YOUR_API_KEY>' \
  --output result.mp3

retrieve はファイルのメタデータと download_url を返します。retrieve_content はバイナリファイルを直接返します。アップロード、照会、ダウンロードは課金されません。

5. ボイスクイッククローン

公式パラメータ説明：ボイスクイッククローン

5.1 エンドポイントとフィールド

POST https://{api_domain}/v3/minimax/v1/voice_clone

フィールド	型	必須	説明
file_id	integer	は	purpose=voice_clone でアップロードして取得したファイル ID。音声は 10 秒から 5 分、20 MB 以下
voice_id	string	は	カスタムボイス ID。長さ 8–256、英字で始まり、既存 ID と重複不可
clone_prompt	object	いいえ	サンプル音声。使用する場合、prompt_audio と prompt_text は両方必須
text	string	いいえ	試聴テキスト。最大 1,000 文字
model	string	条件付き必須	text を渡す場合は必須。speech-2.8-hd または speech-2.8-turbo を使用
text_validation	string	いいえ	サンプルの想定テキスト。最大 200 文字
accuracy	number	いいえ	ASR 類似度しきい値。0–1、デフォルトは 0.7

5.2 呼び出し例とレスポンス

curl -X POST 'https://{api_domain}/v3/minimax/v1/voice_clone' \
  -H 'Authorization: Bearer <YOUR_API_KEY>' \
  -H 'Content-Type: application/json' \
  -d '{
    "file_id": 123456789,
    "voice_id": "MyVoice001",
    "need_noise_reduction": false,
    "need_volume_normalization": false
  }'

{
  "input_sensitive": false,
  "demo_audio": "",
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  }
}

成功したリクエストは 1 ボイスとして課金されます。リクエスト内で試聴音声を生成しても、プラットフォームは音声合成 SKU を追加しません。MiniMax 公式によると、クローンしたボイスが 7 日以内に正式に音声合成で使用されない場合、削除される可能性があります。

6. ボイスデザイン

公式パラメータ説明：ボイスデザイン

6.1 エンドポイントとフィールド

POST https://{api_domain}/v3/minimax/v1/voice_design

フィールド	型	必須	説明
prompt	string	は	対象ボイスの説明
preview_text	string	は	試聴テキスト。最大 500 文字
voice_id	string	いいえ	カスタムボイス ID。指定しない場合は MiniMax が生成
aigc_watermark	boolean	いいえ	試聴音声の末尾にリズム識別子を追加するかどうか。デフォルトは false

6.2 呼び出し例とレスポンス

curl -X POST 'https://{api_domain}/v3/minimax/v1/voice_design' \
  -H 'Authorization: Bearer <YOUR_API_KEY>' \
  -H 'Content-Type: application/json' \
  -d '{
    "prompt": "A warm, clear adult narrator with a calm delivery.",
    "preview_text": "Welcome to our service."
  }'

{
  "voice_id": "ttv-voice-generated-id",
  "trial_audio": "hex-encoded-audio",
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  }
}

成功したリクエストは 1 ボイスとして課金され、試聴音声は今回のインターフェース課金に含まれます。音声合成 SKU は追加されません。

7. よくあるエラーと注意事項

現象	説明と対処方法
HTTP 200 だが base_resp.status_code!=0	MiniMax のビジネスエラー。status_msg に従って入力を修正し、成功として扱わないでください
HTTP 400	JSON、multipart、モデル名、クエリパラメータ、または必須フィールドが不正です
HTTP 401/403	プラットフォーム API Key、残高、権限を確認してください
HTTP 404	ファイル、タスク、またはプライベートボイスが存在しないか、現在のプラットフォームユーザーに属していません
HTTP 429	リクエスト/照会の頻度を下げ、指数バックオフを使用してください。非同期照会は 1 秒あたり 10 回を超えてはいけません
HTTP 5xx	レスポンスとプラットフォームの trace ID を保持してテクニカルサポートに連絡してください。非冪等な作成リクエストを無制御に再試行しないでください

純正フィールドは可能な限りそのまま転送されますが、本サービスは本書に記載された 8 つのパスのみを公開します。
1 回のリクエストボディおよび 1 つの SSE イベントの上限は 64 MiB です。
クライアントが切断した後も、使用量の決済を完了するために、開始済みの SSE をサービスが読み取り続ける場合があります。
非同期タスクの状態は、本書の MiniMax 照会インターフェースを通じて取得する必要があります。プラットフォームの汎用非同期結果インターフェースは使用しません。
ファイル URL または成功したファイル ID を受け取ったら、速やかにダウンロードしてください。URL とファイルは期限切れになる可能性があります。

8. Python 呼び出し例

以下の例では、非同期作成とポーリングを示します。本番環境では、全体のタイムアウト、指数バックオフ、最大ポーリング回数を設定してください。

import os
import time

import requests


api_domain = os.environ["API_DOMAIN"]
api_key = os.environ["PLATFORM_API_KEY"]
headers = {
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json",
}

created = requests.post(
    f"https://{api_domain}/v3/minimax/v1/t2a_async_v2",
    headers=headers,
    json={
        "model": "speech-2.8-turbo",
        "text": "A longer narration.",
        "voice_setting": {"voice_id": "audiobook_male_1"},
    },
    timeout=60,
)
created.raise_for_status()
created_body = created.json()
if created_body["base_resp"]["status_code"] != 0:
    raise RuntimeError(created_body)
task_id = created_body["task_id"]

while True:
    response = requests.get(
        f"https://{api_domain}/v3/minimax/v1/query/t2a_async_query_v2",
        headers={"Authorization": f"Bearer {api_key}"},
        params={"task_id": task_id},
        timeout=30,
    )
    response.raise_for_status()
    task = response.json()
    if task["base_resp"]["status_code"] != 0:
        raise RuntimeError(task)
    if task["status"] == "Success":
        print(task["file_id"])
        break
    if task["status"] in {"Failed", "Expired"}:
        raise RuntimeError(task)
    time.sleep(2)

最終更新日 2026年10月21日

API の基本

大規模言語モデル

画像

動画

音声

MiniMax Speech

1. 概要

1.1 エンドポイント

1.2 認証

1.3 レスポンスとリソースアクセス

2. 同期音声合成

2.1 エンドポイントの呼び出し

2.2 呼び出し例

2.3 レスポンス説明

2.4 課金説明

3. 非同期長文音声合成

3.1 タスクの作成

3.2 作成例

3.3 タスクの照会

4. ファイル管理

4.1 ファイルのアップロード

4.2 照会とダウンロード

5. ボイスクイッククローン

5.1 エンドポイントとフィールド

5.2 呼び出し例とレスポンス

6. ボイスデザイン

6.1 エンドポイントとフィールド

6.2 呼び出し例とレスポンス

7. よくあるエラーと注意事項

8. Python 呼び出し例

​1. 概要

​1.1 エンドポイント

​1.2 認証

​1.3 レスポンスとリソースアクセス

​2. 同期音声合成

​2.1 エンドポイントの呼び出し

​2.2 呼び出し例

​2.3 レスポンス説明

​2.4 課金説明

​3. 非同期長文音声合成

​3.1 タスクの作成

​3.2 作成例

​3.3 タスクの照会

​4. ファイル管理

​4.1 ファイルのアップロード

​4.2 照会とダウンロード

​5. ボイスクイッククローン

​5.1 エンドポイントとフィールド

​5.2 呼び出し例とレスポンス

​6. ボイスデザイン

​6.1 エンドポイントとフィールド

​6.2 呼び出し例とレスポンス

​7. よくあるエラーと注意事項

​8. Python 呼び出し例

1. 概要

1.1 エンドポイント

1.2 認証

1.3 レスポンスとリソースアクセス

2. 同期音声合成

2.1 エンドポイントの呼び出し

2.2 呼び出し例

2.3 レスポンス説明

2.4 課金説明

3. 非同期長文音声合成

3.1 タスクの作成

3.2 作成例

3.3 タスクの照会

4. ファイル管理

4.1 ファイルのアップロード

4.2 照会とダウンロード

5. ボイスクイッククローン

5.1 エンドポイントとフィールド

5.2 呼び出し例とレスポンス

6. ボイスデザイン

6.1 エンドポイントとフィールド

6.2 呼び出し例とレスポンス

7. よくあるエラーと注意事項

8. Python 呼び出し例