Синхронный синтез речи MiniMax Speech-2.6-hd
Аудио
Синхронный синтез речи MiniMax Speech-2.6-hd
POST
Синхронный синтез речи MiniMax Speech-2.6-hd
Этот API поддерживает синхронную генерацию речи на основе преобразования текста в речь; максимальный объем текста за один запрос — 10000 символов. Поддерживается самостоятельный выбор из 100+ системных голосов и клонированных голосов; поддерживается настройка громкости, интонации, скорости речи и формата вывода; поддерживается функция смешивания голосов по пропорциям и управление фиксированными временными интервалами; поддерживаются различные аудиоспецификации и форматы, включая: mp3, pcm, flac, wav, а также потоковый вывод.
После отправки запроса на синтез речи из длинного текста обратите внимание, что срок действия возвращаемого url составляет 24 часа с момента возврата url. Учитывайте время скачивания информации.
Заголовки запроса
Перечисляемое значение:
application/jsonФормат Bearer-аутентификации: Bearer {{API 秘钥}}.
Тело запроса
Текст для синтеза, ограничение длины — менее 10000 символов; переход между абзацами заменяется символом новой строки. (Если необходимо управлять временем паузы в речи, добавьте между символами <#x#>, где x — в секундах, поддерживается диапазон 0.01-99.99, максимум два знака после запятой). Поддерживается настройка временного интервала речи между пользовательскими текстовыми фрагментами, чтобы реализовать пользовательскую длительность пауз в озвучивании текста. Обратите внимание, что временной интервал между текстами должен быть установлен между двумя текстовыми фрагментами, которые могут быть произнесены, и нельзя задавать несколько последовательных временных интервалов.
Обязателен один из двух параметров: timbre_weights или voice_id
Использовать ли потоковый режим. По умолчанию false, то есть потоковый режим не включен.
Усиливает способность распознавания указанных малораспространенных языков и диалектов; после настройки может улучшить качество речи в сценариях с указанным малораспространенным языком/диалектом. Если тип малораспространенного языка не определен, 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'Параметр, управляющий формой результата вывода. Доступные значения:
url hex. Значение по умолчанию — hex. Этот параметр действует только в непотоковом сценарии; в потоковом сценарии поддерживается возврат только в формате hex. Возвращаемый url действителен 24 часа.Настройки звукового эффектора; этот параметр поддерживает следующие аудиоформаты:
- Непотоковый режим: mp3, wav, flac
- Потоковый режим: mp3
Информация об ответе
Синтезированный аудиофрагмент в hex-кодировке, генерируется в формате, определенном входными данными (
audio_setting.format) (mp3/pcm/flac). Форма возврата определяется output_format; когда stream равен true, поддерживается возврат только в формате hex.Текущий статус аудиопотока, возвращается только когда
stream равен true. 1 означает, что синтез выполняется, 2 означает завершение синтеза.