Síntese de voz síncrona MiniMax Speech-02-turbo
Áudio
Síntese de voz síncrona MiniMax Speech-02-turbo
POST
Síntese de voz síncrona MiniMax Speech-02-turbo
Esta API oferece suporte à geração síncrona de texto para fala, com transmissão única de texto de até 10000 caracteres. Oferece suporte a mais de 100 vozes do sistema e à seleção autônoma de vozes clonadas; permite ajustar volume, tom, velocidade de fala e formato de saída; oferece suporte à mixagem proporcional, controle de intervalos fixos; e suporta várias especificações e formatos de áudio, incluindo: mp3, pcm, flac, wav, além de saída em streaming.
Após enviar uma solicitação de síntese de voz de texto longo, 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 solicitação
Valores enumerados:
application/jsonFormato de autenticação Bearer: Bearer {{API Key}}.
Corpo da solicitação
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 tempo de intervalo na fala, adicione <#x#> entre os caracteres, em que x é em segundos; suporta 0.01-99.99, com no máximo duas casas decimais). Oferece suporte à personalização do intervalo de tempo de fala entre textos para obter o efeito de pausa personalizada na fala. Observe que o intervalo de tempo deve ser definido entre dois trechos de texto que possam ser pronunciados, e não é permitido definir vários intervalos de tempo consecutivos.
Obrigatório escolher um entre este e voice_id
Define se a saída será em streaming. O padrão é false, ou seja, streaming desativado.
Melhora a capacidade de reconhecimento de idiomas minoritários e dialetos especificados. Após configurado, pode melhorar o desempenho de voz em cenários do idioma/dialeto especificado. Se o tipo de idioma minoritário não estiver claro, é possível escolher “auto”, e o modelo determinará autonomamente o tipo de idioma minoritário. Suporta os seguintes valores:
'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 a forma do resultado de saída. Os valores opcionais são
url hex. O valor padrão é hex. Este parâmetro só se aplica a cenários sem streaming; cenários com streaming só suportam 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 de resposta
Trecho de áudio sintetizado, codificado em hex, gerado conforme o formato definido na entrada (
audio_setting.format) (mp3/pcm/flac). A forma de retorno segue a definição de output_format; quando stream é true, somente o retorno em formato hex é suportado.Status atual do stream de áudio, retornado apenas quando
stream é true. 1 indica sintetizando, 2 indica síntese concluída.