Síntese de voz síncrona MiniMax Speech-2.5-turbo-preview
Áudio
Síntese de voz síncrona MiniMax Speech-2.5-turbo-preview
POST
Síntese de voz síncrona MiniMax Speech-2.5-turbo-preview
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.
Cabeçalhos da solicitação
Valores enumerados:
application/jsonFormato de autenticação Bearer: Bearer {{API Key}}.
Corpo da solicitação
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.
Obrigatório escolher este ou voice_id
Indica se é streaming. Padrão false, ou seja, streaming não ativado.
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'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.Configuração do efeito de voz. Este parâmetro oferece suporte aos seguintes formatos de áudio:
- Não streaming: mp3, wav, flac
- 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). A forma de retorno depende da definição de output_format; quando stream for true, somente o formato de retorno hex é suportado.Status atual do fluxo de áudio, retornado somente quando
stream for true. 1 indica em síntese, 2 indica síntese concluída.