POST
/
v3
/
minimax-speech-2.5-turbo-preview
MiniMax Speech-2.5-turbo-preview 同步语音合成
curl --request POST \
  --url https://api.ppinfra.com/v3/minimax-speech-2.5-turbo-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>"
}'
{
  "audio": "<string>",
  "status": 123
}
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

Content-Type
string
required
枚举值: application/json
Authorization
string
required
Bearer 身份验证格式,例如:Bearer {{API 密钥}}。

请求体

text
string
required
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。
voice_setting
object
audio_setting
object
pronunciation_dict
object
timbre_weights
object[]
与 voice_id 二选一必填
stream
boolean
default:"false"
是否流式。默认 false,即不开启流式。
stream_options
object
language_boost
string
default:"null"
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'
output_format
string
default:"hex"
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。

响应

audio
string
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。
status
number
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。