Síntese de voz síncrona MiniMax Speech-2.5-hd-preview
Áudio
Síntese de voz síncrona MiniMax Speech-2.5-hd-preview
POST
Síntese de voz síncrona MiniMax Speech-2.5-hd-preview
Esta API oferece suporte à geração síncrona baseada em texto para fala, com transmissão máxima de 10000 caracteres por vez. Suporta mais de 100 vozes do sistema e seleção autônoma de vozes clonadas; oferece suporte a ajustes de volume, entonação, velocidade e formato de saída; oferece suporte à função de mixagem proporcional e ao controle de intervalos fixos; oferece suporte a várias especificações e formatos de áudio, incluindo: mp3, pcm, flac, wav, e suporta 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. Preste atenção 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 menor que 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, com suporte a 0.01-99.99 e no máximo duas casas decimais). Suporta a personalização do intervalo de tempo de fala entre textos para obter o efeito de pausas personalizadas na fala do texto. Observe que o intervalo entre textos deve ser definido entre dois textos que possam ser pronunciados por voz, e não é possível definir vários intervalos de tempo consecutivos.
Obrigatório escolher um entre este e voice_id
Se deve usar streaming. O padrão é false, ou seja, streaming desativado.
Aprimora a capacidade de reconhecimento de idiomas minoritários e dialetos especificados. Após a configuração, pode melhorar o desempenho da fala no cenário do idioma minoritário/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 tem efeito em cenários não streaming; cenários de streaming suportam apenas retorno em formato hex. A URL retornada é válida por 24 horas.Configurações do processador de efeitos de voz. Este parâmetro oferece suporte aos seguintes formatos de áudio:
- Não streaming: mp3, wav, flac
- Streaming: mp3
Informações da resposta
Fragmento de áudio após a síntese, codificado em hex, gerado de acordo com 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, apenas o formato de retorno hex é suportado.Status atual do fluxo de áudio, retornado apenas quando
stream é true. 1 indica sintetizando, 2 indica fim da síntese.