该 API 支持基于文本到语音的同步生成，单次文本传输最大 10000 字符。支持 100+系统音色、复刻音色自主选择；支持音量、语调、语速、输出格式调整；支持按比例混音功能、固定间隔时间控制；支持多种音频规格、格式，包括：mp3, pcm, flac, wav，支持流式输出。
提交长文本语音合成请求后，需要注意的是返回的 url 的有效期为自 url 返回开始的 24 个小时，请注意下载信息的时间。
适用于短句生成、语音聊天、在线社交等场景，耗时短但文本长度限制小于 10000 字符。长文本建议使用
异步调用语音合成。
请求头
Bearer 身份验证格式，例如：Bearer {{API 密钥}}。
请求体
待合成的文本，长度限制小于 10000 字符，段落切换用换行符替代。（如需要控制语音中间隔时间，在字间增加 <#x#>,x 单位为秒，支持 0.01-99.99，最多两位小数）。支持自定义文本与文本之间的语音时间间隔，以实现自定义文本语音停顿时间的效果。需要注意的是文本间隔时间需设置在两个可以语音发音的文本之间，且不能设置多个连续的时间间隔。
范围[0.5,2]，默认值为 1.0生成声音的语速，可选，取值越大，语速越快。
范围（0,10]，默认值为 1.0生成声音的音量，可选，取值越大，音量越高。
范围[-12,12]，默认值为 0生成声音的语调，可选，（0 为原音色输出，取值需为整数）。
请求的音色编号。与 timbre_weights 二选一”必填”。支持系统音色(id)以及复刻音色（id）两种类型，其中系统音色（ID）如下：
- 青涩青年音色：
male-qn-qingse
- 精英青年音色：
male-qn-jingying
- 霸道青年音色：
male-qn-badao
- 青年大学生音色：
male-qn-daxuesheng
- 少女音色：
female-shaonv
- 御姐音色：
female-yujie
- 成熟女性音色：
female-chengshu
- 甜美女性音色：
female-tianmei
- 男性主持人：
presenter_male
- 女性主持人：
presenter_female
- 男性有声书 1：
audiobook_male_1
- 男性有声书 2：
audiobook_male_2
- 女性有声书 1：
audiobook_female_1
- 女性有声书 2：
audiobook_female_2
- 青涩青年音色-beta：
male-qn-qingse-jingpin
- 精英青年音色-beta：
male-qn-jingying-jingpin
- 霸道青年音色-beta：
male-qn-badao-jingpin
- 青年大学生音色-beta：
male-qn-daxuesheng-jingpin
- 少女音色-beta：
female-shaonv-jingpin
- 御姐音色-beta：
female-yujie-jingpin
- 成熟女性音色-beta：
female-chengshu-jingpin
- 甜美女性音色-beta：
female-tianmei-jingpin
- 聪明男童：
clever_boy
- 可爱男童：
cute_boy
- 萌萌女童：
lovely_girl
- 卡通猪小琪：
cartoon_pig
- 病娇弟弟：
bingjiao_didi
- 俊朗男友：
junlang_nanyou
- 纯真学弟：
chunzhen_xuedi
- 冷淡学长：
lengdan_xiongzhang
- 霸道少爷：
badao_shaoye
- 甜心小玲：
tianxin_xiaoling
- 俏皮萌妹：
qiaopi_mengmei
- 妩媚御姐：
wumei_yujie
- 嗲嗲学妹：
diadia_xuemei
- 淡雅学姐：
danya_xuejie
- Santa Claus：
Santa_Claus
- Grinch：
Grinch
- Rudolph：
Rudolph
- Arnold：
Arnold
- Charming Santa：
Charming_Santa
- Charming Lady：
Charming_Lady
- Sweet Girl：
Sweet_Girl
- Cute Elf：
Cute_Elf
- Attractive Girl：
Attractive_Girl
- Serene Woman：
Serene_Woman
控制合成语音的情绪；当前支持 7 种情绪：高兴，悲伤，愤怒，害怕，厌恶，惊讶，中性；参数范围：["happy", "sad", "angry", "fearful", "disgusted", "surprised", "neutral"]
控制是否支持朗读 latex 公式，默认为 false。需注意：
- 请求中的公式需要在公式的首尾加上$$；
- 请求中公式若有""，需转义成”\”。
示例：导数的基本公式是 $$\\frac{d}{dx}(x^n) = nx^{n-1}$$ 该参数支持英语文本规范化，可提升数字阅读场景的性能，但会略微增加延迟。如果未提供，则默认值为 false。
范围【8000，16000，22050，24000，32000，44100】生成声音的采样率。可选，默认为 32000。
范围【32000，64000，128000，256000】生成声音的比特率。可选，默认值为 128000。该参数仅对 mp3 格式的音频生效。
生成的音频格式。默认 mp3，范围[mp3,pcm,flac,wav]。wav 仅在非流式输出下支持。
生成音频的声道数.默认 1：单声道，可选：1：单声道2：双声道
替换需要特殊标注的文字、符号及对应的注音。替换发音（调整声调/替换其他字符发音），格式如下：["燕少飞/(yan4)(shao3)(fei1)","达菲/(da2)(fei1)"，"omg/oh my god"]声调用数字代替，一声（阴平）为 1，二声（阳平）为 2，三声（上声）为 3，四声（去声）为 4），轻声为 5。
与 voice_id 二选一必填
请求的音色 id。须和 weight 参数同步填写。
范围[1,100]权重，须与 voice_id 同步填写。最多支持 4 种音色混合，取值为整数，单一音色取值占比越高，合成音色越像。
当本参数设置为 True 时，在流式的最后一个 chunk 中，将不包含拼接后的完整语音 hex 数据。默认为 False，即最后一个 chunk 中包含拼接后的完整语音 hex 数据。
增强对指定的小语种和方言的识别能力，设置后可以提升在指定小语种/方言场景下的语音表现。如果不明确小语种类型，则可以选择”auto”，模型将自主判断小语种类型。支持以下取值：'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', 'auto'
控制输出结果形式的参数。可选值为 url hex。默认值为 hex。该参数仅在非流式场景生效，流式场景仅支持返回 hex 形式。返回的 url 有效期为 24 小时。
合成后的音频片段，采用 hex 编码，按照输入定义的格式 (audio_setting.format) 进行生成（mp3/pcm/flac）。返回形式根据 output_format 的定义返回，stream 为 true 时只支持 hex 的返回形式。
当前音频流状态，仅 stream 为 true 时返回。1 表示合成中，2 表示合成结束。
- 非流式（
stream 为 false）
如果不指定 output_format 为 url，默认会以 hex 形式返回
请求：
curl \
-X POST https://api.ppinfra.com/v3/minimax-speech-02-hd \
-H "Authorization: Bearer $your_api_key" \
-H "Content-Type: application/json" \
-d '{
"text": "近年来，人工智能在国内迎来高速发展期，技术创新与产业应用齐头并进。从基础的大模型研发到语音识别、图像处理、自然语言理解等关键技术突破，AI 正在深度赋能医疗、金融、制造、交通等多个领域。同时，政策支持和资本推动加速了技术落地，众多科技企业、创业团队和科研机构持续投入，形成了活跃的创新生态。AI 正逐步从实验室走向实际生产力，成为推动数字中国建设和经济高质量发展的重要引擎，未来发展潜力巨大。",
"stream": false,
"output_format": "url",
"voice_setting": {
"speed": 1.1,
"voice_id": "male-qn-jingying",
"emotion": "happy"
}
}'
响应:
{
"audio": "https://faas-minimax-video-1312767721.cos.ap-shanghai.myqcloud.com/test/f9dd3abf-a708-4567-9099-db7356f0f77e-4245f063-6985-477b-bfff-c693b85bdba7.mp3?q-sign-algorithm=sha1&q-ak=AKIDHOHvKVnrgHkyxhCTyOdeSjoiRxGPSJ0V&q-sign-time=1752118598%3B1752122198&q-key-time=1752118598%3B1752122198&q-header-list=host&q-url-param-list=&q-signature=10266eb2e1e54fd26647994fae7edad1f2b12c58"
}
音频文件:
- 流式（
stream 为 true）
请求：
curl \
-X POST https://api.ppinfra.com/v3/minimax-speech-02-hd \
-H "Authorization: Bearer $your_api_key" \
-H "Content-Type: application/json" \
-d '{
"text": "近年来，人工智能在国内迎来高速发展期，技术创新与产业应用齐头并进。从基础的大模型研发到语音识别、图像处理、自然语言理解等关键技术突破，AI 正在深度赋能医疗、金融、制造、交通等多个领域。同时，政策支持和资本推动加速了技术落地，众多科技企业、创业团队和科研机构持续投入，形成了活跃的创新生态。AI 正逐步从实验室走向实际生产力，成为推动数字中国建设和经济高质量发展的重要引擎，未来发展潜力巨大。",
"stream": true,
"voice_setting": {
"speed": 1.1,
"voice_id": "male-qn-jingying",
"emotion": "happy"
}
}'
响应:
data: {"audio": "fffb98c4d8 ... e12fc5be", "status": 1}
...
data: {"audio": "4944330453 ... 34505005", "status": 1}
...
data: {"audio": "fffb98c45f ... 04f61e30", "status": 1}
...
data: {"status": 2}
