Перейти к основному содержанию
POST
/
v3
/
minimax-speech-2.5-hd-preview
Синхронный синтез речи MiniMax Speech-2.5-hd-preview
curl --request POST \
  --url https://api.highwayapi.ai/v3/minimax-speech-2.5-hd-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
}
Этот API поддерживает синхронную генерацию речи из текста; максимальный объем текста за один запрос — 10000 символов. Поддерживается самостоятельный выбор из 100+ системных тембров и клонированных тембров; поддерживается настройка громкости, интонации, скорости речи и формата вывода; поддерживаются смешивание тембров по пропорциям и управление фиксированными интервалами; поддерживаются различные аудиоспецификации и форматы, включая: mp3, pcm, flac, wav, а также потоковый вывод. После отправки запроса на синтез речи для длинного текста обратите внимание: срок действия возвращенного url составляет 24 часа с момента возврата url, своевременно скачайте информацию.
Подходит для генерации коротких фраз, голосовых чатов, онлайн-социального общения и других сценариев; занимает мало времени, но ограничение длины текста — менее 10000 символов. Для длинных текстов рекомендуется использовать асинхронный вызов синтеза речи.

Заголовки запроса

Content-Type
string
обязательно
Перечисляемое значение: application/json
Authorization
string
обязательно
Формат Bearer-аутентификации: Bearer {{API 秘钥}}.

Тело запроса

text
string
обязательно
Текст для синтеза, ограничение длины — менее 10000 символов; смена абзаца заменяется символом новой строки. (Если необходимо управлять интервалом в речи, добавьте между символами <#x#>, где x — в секундах; поддерживается диапазон 0.01–99.99, максимум две цифры после запятой). Поддерживается настройка интервала между пользовательскими текстовыми фрагментами, чтобы реализовать пользовательские паузы в озвучивании текста. Обратите внимание: интервал между текстами необходимо задавать между двумя фрагментами текста, которые могут быть озвучены, и нельзя задавать несколько последовательных временных интервалов.
voice_setting
object
обязательно
audio_setting
object
pronunciation_dict
object
timbre_weights
object[]
Обязательно указать один из двух параметров: voice_id или timbre_weights
stream
boolean
по умолчанию:"false"
Использовать ли потоковый режим. По умолчанию false, то есть потоковый режим не включен.
stream_options
object
language_boost
string
по умолчанию:"null"
Усиливает способность распознавания заданных малораспространенных языков и диалектов; после настройки может улучшить качество речи в сценариях с указанным малораспространенным языком/диалектом. Если тип малораспространенного языка неясен, можно выбрать “auto”, и модель самостоятельно определит тип малораспространенного языка. Поддерживаются следующие значения:'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
по умолчанию:"hex"
Параметр, управляющий формой результата вывода. Допустимые значения: url hex. Значение по умолчанию — hex. Этот параметр действует только в непотоковом сценарии; в потоковом сценарии поддерживается возврат только в формате hex. Возвращенный url действителен 24 часа.
voice_modify
object
Настройки звукового эффектора; этот параметр поддерживает следующие аудиоформаты:
  • Непотоковый режим: mp3, wav, flac
  • Потоковый режим: mp3

Информация ответа

audio
string
Синтезированный аудиофрагмент, закодированный в hex, генерируется в формате, определенном во входных данных (audio_setting.format) (mp3/pcm/flac). Форма возврата определяется output_format; когда stream равен true, поддерживается только возврат в формате hex.
status
number
Текущий статус аудиопотока, возвращается только когда stream равен true. 1 означает, что синтез выполняется, 2 означает завершение синтеза.