Síntese de voz síncrona MiniMax Speech-02-hd
Áudio
Síntese de voz síncrona MiniMax Speech-02-hd
POST
Síntese de voz síncrona MiniMax Speech-02-hd
Esta API oferece suporte à geração síncrona de texto para voz, com transmissão máxima de 10000 caracteres por solicitação. Oferece suporte à escolha independente entre mais de 100 vozes do sistema e vozes clonadas; permite ajustar volume, entonação, velocidade da fala e formato de saída; oferece suporte a mixagem proporcional e controle de intervalos fixos; oferece suporte a várias especificações e formatos de áudio, incluindo: mp3, pcm, flac, wav, além de saída em streaming.
Após enviar uma solicitação de síntese de voz para textos longos, observe que a URL retornada é válida por 24 horas a partir do momento em que a URL é retornada. Fique atento ao prazo para baixar as informações.
Cabeçalhos da requisição
Valores enumerados:
application/jsonFormato de autenticação Bearer: Bearer {{API Key}}.
Corpo da requisição
Texto a ser sintetizado, com limite de comprimento inferior a 10000 caracteres. Trocas de parágrafo devem ser substituídas por quebras de linha. (Se for necessário controlar o intervalo no meio da fala, adicione <#x#> entre caracteres, em que x é em segundos, com suporte a 0.01-99.99 e no máximo duas casas decimais). Oferece suporte à personalização do intervalo de tempo de fala entre textos para obter o efeito de pausas personalizadas na fala. Observe que o intervalo de tempo entre textos deve ser definido entre dois trechos de texto que possam ser pronunciados pela voz e que não é permitido definir vários intervalos de tempo consecutivos.
Obrigatório escolher entre este e voice_id
Se deve usar streaming. O padrão é false, ou seja, streaming desativado.
Aprimora a capacidade de reconhecimento para idiomas minoritários e dialetos especificados. Após a configuração, pode melhorar o desempenho da fala em cenários do idioma minoritário/dialeto especificado. Se o tipo de idioma minoritário não estiver claro, é possível escolher “auto”, e o modelo determinará o tipo de idioma minoritário automaticamente. Valores compatíveis:
'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'Parâmetro que controla o formato do resultado de saída. Os valores opcionais são
url hex. O valor padrão é hex. Este parâmetro só tem efeito em cenários sem streaming; em cenários com streaming, só há suporte ao retorno no formato hex. A URL retornada é válida por 24 horas.Configurações do efeito de voz. Este parâmetro oferece suporte aos seguintes formatos de áudio:
- Sem streaming: mp3, wav, flac
- Com streaming: mp3
Informações da resposta
Segmento de áudio sintetizado, codificado em hex, gerado de acordo com o formato definido na entrada (
audio_setting.format) (mp3/pcm/flac). O formato de retorno depende da definição de output_format; quando stream é true, há suporte apenas ao formato de retorno hex.Status atual do fluxo de áudio, retornado apenas quando
stream é true. 1 indica sintetizando, 2 indica fim da síntese.