Pular para o conteúdo principal
POST
/
v3
/
minimax-speech-2.5-turbo-preview
Síntese de voz síncrona MiniMax Speech-2.5-turbo-preview
curl --request POST \
  --url https://api.highwayapi.ai/v3/minimax-speech-2.5-turbo-preview \
  --header 'Authorization: <authorization>' \
  --header 'Content-Type: <content-type>' \
  --data '
{
  "text": "<string>",
  "voice_setting": {
    "speed": 123,
    "vol": 123,
    "pitch": 123,
    "voice_id": "<string>",
    "emotion": "<string>",
    "latex_read": true,
    "text_normalization": true
  },
  "audio_setting": {
    "sample_rate": 123,
    "bitrate": 123,
    "format": "<string>",
    "channel": 123
  },
  "pronunciation_dict": {
    "tone": [
      {}
    ]
  },
  "timbre_weights": [
    {
      "voice_id": "<string>",
      "weight": 123
    }
  ],
  "stream": true,
  "stream_options": {
    "exclude_aggregated_audio": true
  },
  "language_boost": "<string>",
  "output_format": "<string>",
  "voice_modify": {
    "pitch": 123,
    "intensity": 123,
    "timbre": 123,
    "sound_effects": "<string>"
  }
}
'
{
  "audio": "<string>",
  "status": 123
}
Esta API oferece suporte à geração síncrona de texto para voz, com transmissão única de texto de no máximo 10000 caracteres. Suporta 100+ vozes do sistema e seleção independente de vozes clonadas; suporta ajuste de volume, entonação, velocidade e formato de saída; suporta mixagem proporcional e controle de intervalos fixos; suporta várias especificações e formatos de áudio, incluindo: mp3, pcm, flac, wav, e oferece suporte a saída em streaming. Após enviar uma solicitação de síntese de voz para 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.
Indicado para cenários como geração de frases curtas, chat por voz e social online. Tem baixa latência, mas o limite de texto é inferior a 10000 caracteres. Para textos longos, recomenda-se usar síntese de voz por chamada assíncrona.

Cabeçalhos da solicitação

Content-Type
string
obrigatório
Valores enumerados: application/json
Authorization
string
obrigatório
Formato de autenticação Bearer: Bearer {{API Key}}.

Corpo da solicitação

text
string
obrigatório
Texto a ser sintetizado, com limite inferior a 10000 caracteres. Trocas de parágrafo devem ser substituídas por quebras de linha. (Se precisar controlar o tempo de intervalo na voz, adicione <#x#> entre caracteres; a unidade de x é segundos, com suporte a 0.01-99.99 e no máximo duas casas decimais). Suporta intervalos de tempo de voz personalizados 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 e não é possível definir vários intervalos de tempo consecutivos.
voice_setting
object
obrigatório
audio_setting
object
pronunciation_dict
object
timbre_weights
object[]
Obrigatório escolher este ou voice_id
stream
boolean
padrão:"false"
Indica se é streaming. Padrão false, ou seja, streaming não ativado.
stream_options
object
language_boost
string
padrão:"null"
Melhora a capacidade de reconhecimento de idiomas minoritários e dialetos especificados. Após a configuração, pode aprimorar o desempenho da 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'
output_format
string
padrão:"hex"
Parâmetro que controla a forma do resultado de saída. Valores opcionais: url hex. Valor padrão: hex. Este parâmetro só tem efeito em cenários não streaming; em cenários de streaming, somente a forma hex é suportada. A url retornada é válida por 24 horas.
voice_modify
object
Configuração do efeito de voz. Este parâmetro oferece suporte aos seguintes formatos de áudio:
  • Não streaming: mp3, wav, flac
  • Streaming: mp3

Informações da resposta

audio
string
Segmento de áudio sintetizado, codificado em hex, gerado de acordo com o formato definido na entrada (audio_setting.format) (mp3/pcm/flac). A forma de retorno depende da definição de output_format; quando stream for true, somente o formato de retorno hex é suportado.
status
number
Status atual do fluxo de áudio, retornado somente quando stream for true. 1 indica em síntese, 2 indica síntese concluída.