Μετάβαση στο περιεχόμενο

MiniMax Speech 2.6 [HD]

Ενσωμάτωση

id μοντέλου minimax/speech-2.6-hd
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/minimax/speech-2.6-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Αυτό το αίτημα: 0,005 $ 5 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
MiniMax Κείμενο σε ομιλία #text-to-speech

Text-to-speech Speech 2.6 HD με υποστήριξη 10.000 χαρακτήρων, σημάνσεων παύσης και κανονικοποίησης έντασης

MiniMax · Ήχος

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται 50 / 10000

Κείμενο εισόδου ομιλίας, με αλλαγές γραμμής που δηλώνουν όρια παραγράφων και προαιρετικούς δείκτες `<#x#>` για τον έλεγχο των παύσεων. Τοποθετείτε τους δείκτες μόνο μεταξύ τμημάτων που εκφωνούνται, ποτέ διαδοχικά· το `x` δίνει την παύση σε δευτερόλεπτα εντός του `[0.01, 99.99]`, με έως δύο δεκαδικά ψηφία.

Για προχωρημένους output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict · normalization_setting
output_format προεπιλογή hex

Μορφή περιεχομένου εξόδου· ισχύει μόνο για αποκρίσεις χωρίς ροή.

Βελτιώνει την αναγνώριση για τις επιλεγμένες γλώσσες και διαλέκτους.

προεπιλογή {"english_normalizati...

Ρυθμίσεις για τη διαμόρφωση της φωνής.

Ρυθμίσεις διαμόρφωσης ήχου.

Προσαρμοσμένο λεξικό προφορών που χρησιμοποιείται για την αντικατάσταση κειμένου.

Ρυθμίσεις που ελέγχουν την κανονικοποίηση της έντασης του ήχου.

POST /run/minimax/speech-2.6-hd?wait=20 προσφορά → 0,005 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/minimax/speech-2.6-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το MiniMax Speech 2.6 [HD]

Διαβάζει δυνατά το κείμενο που παρέχεται στο `prompt` (έως 10000 χαρακτήρες), με αλλαγές παραγράφων που σημειώνονται με νέες γραμμές και προσαρμοσμένες παύσεις μέσω σημάνσεων `<#x#>`. Εκτός από τα `voice_setting`, `audio_setting`, `language_boost` (38 επιλογές) και `pronunciation_dict`, προσθέτει το `normalization_setting` για τον έλεγχο της έντασης. Η έξοδος είναι ήχος μαζί με τη διάρκειά του σε χιλιοστά του δευτερολέπτου.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ο έλεγχος μπορεί να χαλαρώσει με τη ρύθμιση false, εφόσον ο καλών είναι εξουσιοδοτημένος.
promptαπαιτείται
Τύποςstring
≤ 10.000 χαρακτήρες
Κείμενο εισόδου ομιλίας, με αλλαγές γραμμής που δηλώνουν όρια παραγράφων και προαιρετικούς δείκτες `<#x#>` για τον έλεγχο των παύσεων. Τοποθετείτε τους δείκτες μόνο μεταξύ τμημάτων που εκφωνούνται, ποτέ διαδοχικά· το `x` δίνει την παύση σε δευτερόλεπτα εντός του `[0.01, 99.99]`, με έως δύο δεκαδικά ψηφία.
voice_settingπροαιρετικό
Τύποςobject
Προεπιλογή{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Ρυθμίσεις για τη διαμόρφωση της φωνής.
voice_setting.voice_idπροαιρετικό
Τύποςstring
ΠροεπιλογήWise_Woman
≥ 1 characters
Προκαθορισμένο αναγνωριστικό φωνής που χρησιμοποιείται για σύνθεση ομιλίας.
voice_setting.speedπροαιρετικό
Τύποςnumber
Προεπιλογή1
0,5 – 2
Ρυθμός ομιλίας, από 0.5 έως 2.0.
voice_setting.volπροαιρετικό
Τύποςnumber
Προεπιλογή1
0,01 – 10
Ένταση εξόδου, από 0 έως 10.
voice_setting.pitchπροαιρετικό
Τύποςinteger
Προεπιλογή0
-12 – 12
Τονικό ύψος της φωνής, από -12 έως 12.
voice_setting.emotionπροαιρετικό
Τύποςenum
happysadangryfearfuldisgustedsurprisedneutral
Συναισθηματικός τόνος της συνθετικής ομιλίας.
voice_setting.english_normalizationπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Επιλογή κανονικοποίησης αγγλικού κειμένου που ανταλλάσσει μικρή πρόσθετη καθυστέρηση με καλύτερη ανάγνωση αριθμών.
audio_settingπροαιρετικό
Τύποςobject
Ρυθμίσεις διαμόρφωσης ήχου.
audio_setting.sample_rateπροαιρετικό
Τύποςenum
Προεπιλογή32000
80001600022050240003200044100
Ρυθμός δειγματοληψίας του παραγόμενου ήχου.
audio_setting.bitrateπροαιρετικό
Τύποςenum
Προεπιλογή128000
3200064000128000256000
Bitrate του παραγόμενου ήχου.
audio_setting.formatπροαιρετικό
Τύποςenum
Προεπιλογήmp3
mp3pcmflac
Μορφή του ήχου.
audio_setting.channelπροαιρετικό
Τύποςenum
Προεπιλογή1
12
Αριθμός καναλιών ήχου: 1 για mono ή 2 για stereo.
language_boostπροαιρετικό
Τύποςenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 ακόμηKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Βελτιώνει την αναγνώριση για τις επιλεγμένες γλώσσες και διαλέκτους.
output_formatπροαιρετικό
Τύποςenum
Προεπιλογήhex
urlhex
Μορφή περιεχομένου εξόδου· ισχύει μόνο για αποκρίσεις χωρίς ροή.
pronunciation_dictπροαιρετικό
Τύποςobject
Προσαρμοσμένο λεξικό προφορών που χρησιμοποιείται για την αντικατάσταση κειμένου.
pronunciation_dict.tone_listπροαιρετικό
Τύποςstring[]
Λίστα αντικατάστασης προφορών με τη σύνταξη ['text/(pronunciation)', ...], για παράδειγμα ['燕少飞/(yan4)(shao3)(fei1)']. Οι αριθμοί κινεζικών τόνων κυμαίνονται από 1 έως 5.
normalization_settingπροαιρετικό
Τύποςobject
Ρυθμίσεις που ελέγχουν την κανονικοποίηση της έντασης του ήχου.
normalization_setting.enabledπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ενεργοποιεί την κανονικοποίηση της έντασης του ήχου.
normalization_setting.target_loudnessπροαιρετικό
Τύποςnumber
Προεπιλογή-18
-70 – -10
Επιθυμητή ένταση ήχου, σε LUFS· προεπιλογή -18.0.
normalization_setting.target_rangeπροαιρετικό
Τύποςnumber
Προεπιλογή8
0 – 20
Επιθυμητό εύρος έντασης ήχου, σε LU· προεπιλογή 8.0.
normalization_setting.target_peakπροαιρετικό
Τύποςnumber
Προεπιλογή-0.5
-3 – 0
Επιθυμητή μέγιστη στάθμη, σε dBTP· προεπιλογή -0.5.
απαιτείται

Έξοδος

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.6-hd",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "prompt": "Hello from Doitong. This is a short test sentence."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "duration_ms": 1
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
audio
object {url, content_type, file_name, file_size}Αρχείο ήχου που παράγεται από την παραγωγή.
duration_ms
integerΔιάρκεια ήχου, σε χιλιοστά του δευτερολέπτου.

Περισσότερα μοντέλα: Κείμενο σε ομιλία

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/minimax/speech-2.6-hd.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt