Skip to main content
POST
MiniMax Speech-2.6-turbo синхронный синтез речи
Этот API поддерживает синхронную генерацию речи на основе текста в речь; максимальный объем текста за один запрос — 10000 символов. Поддерживается более 100 системных голосов и самостоятельный выбор клонированных голосов; поддерживается настройка громкости, тона, скорости речи и формата вывода; поддерживаются смешивание голосов 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, что срок действия возвращаемого url составляет 24 часа с момента возврата url. Пожалуйста, учитывайте время загрузки информации.
Подходит для сценариев генерации коротких фраз, голосового чата, онлайн-социального общения и т. п.; имеет низкую задержку, но ограничение длины текста меньше 10000 символов. Для длинных текстов рекомендуется использовать асинхронный вызов синтеза речи.

Заголовки запроса

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

Тело запроса

string
обязательно
Текст для синтеза, ограничение длины — меньше 10000 символов; переходы между абзацами заменяются символом новой строки. (Если нужно управлять интервалами в речи, добавьте между символами <#x#>, где x — секунды, поддерживается диапазон 0.01-99.99, максимум два знака после запятой). Поддерживается настройка пользовательских временных интервалов между фрагментами текста для реализации эффекта пользовательских пауз в озвучивании текста. Обратите внимание, что временной интервал между текстами должен быть задан между двумя фрагментами текста, которые могут быть произнесены, и нельзя задавать несколько последовательных временных интервалов.
object
обязательно
object
object
object[]
Обязателен один из двух параметров: voice_id или timbre_weights
boolean
по умолчанию:"false"
Использовать ли потоковый режим. По умолчанию false, то есть потоковый режим не включен.
object
string
по умолчанию:"null"
Усиливает способность распознавания указанных малораспространенных языков и диалектов; после настройки может улучшить качество речи в сценариях указанного малораспространенного языка/диалекта. 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'
string
по умолчанию:"hex"
Параметр, управляющий формой результата вывода. Возможные значения: url hex. Значение по умолчанию — hex. Этот параметр действует только в непотоковом сценарии; в потоковом сценарии поддерживается возврат только в форме hex. Срок действия возвращаемого url — 24 часа.
object
Настройки голосового эффектора. Этот параметр поддерживает следующие аудиоформаты:
  • Непотоковый режим: mp3, wav, flac
  • Потоковый режим: mp3

Информация ответа

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