Léim chuig an ábhar

MiniMax Speech-02 HD

Comhtháthú

Aitheantas na samhla minimax/speech-02-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-02-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

An t-iarratas seo: $0.005 5 chreidmheas API Rith ar an leathanach seo

Faigh eochair API
MiniMax · Fuaim

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach 50 / 5000

Téacs ionchuir cainte, teoranta do 5000 carachtar agus a éilíonn carachtar amháin ar a laghad nach spás bán é.

Ardleibhéal output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format réamhshocrú hex

Formáid ábhair an aschuir; baineann sé seo le freagraí neamhshruthaithe amháin.

Feabhsaíonn sé aitheantas do na teangacha agus na canúintí roghnaithe.

réamhshocrú {"english_normalizati...

Socruithe chun an guth a chumrú.

Socruithe chun fuaim a chumrú.

Foclóir saincheaptha foghraíochta a úsáidtear chun téacs a ionadú.

POST /run/minimax/speech-02-hd?wait=20 luachan → $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-02-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le MiniMax Speech-02 HD

Gineann sé hurlabhra ó suas le 5000 carachtar de `text` leis an leagan HD de Speech-02. Is féidir an glór a choigeartú le `voice_setting`, `audio_setting` a shocrú, `pronunciation_dict` a chur i bhfeidhm, agus `language_boost` a roghnú as 38 rogha. Is féidir `output_format` a bheith ina url nó hex. Tá an comhad fuaime agus a fhad i milleasoicindí sa toradh.

Paraiméadair

AinmCineál RéamhshocrúCeadaithe Cur síos
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Is féidir an scagadh a mhaolú trí false a shocrú, ar choinníoll go bhfuil údarú ag an nglaoiteoir.
textriachtanach
Cineálstring
≤ 5,000 gcarachtar
Téacs ionchuir cainte, teoranta do 5000 carachtar agus a éilíonn carachtar amháin ar a laghad nach spás bán é.
voice_settingroghnach
Cineálobject
Réamhshocrú{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Socruithe chun an guth a chumrú.
voice_setting.voice_idroghnach
Cineálstring
RéamhshocrúWise_Woman
≥ 1 characters
Aitheantóir gutha réamhshainithe a úsáidtear le haghaidh sintéise cainte.
voice_setting.speedroghnach
Cineálnumber
Réamhshocrú1
0.5 – 2
Ráta cainte, idir 0.5 agus 2.0.
voice_setting.volroghnach
Cineálnumber
Réamhshocrú1
0.01 – 10
Toirt an aschuir, idir 0 agus 10.
voice_setting.pitchroghnach
Cineálinteger
Réamhshocrú0
-12 – 12
Airde an ghutha, idir -12 agus 12.
voice_setting.emotionroghnach
Cineálenum
happysadangryfearfuldisgustedsurprisedneutral
Ton mothúchánach na cainte sintéisithe.
voice_setting.english_normalizationroghnach
Cineálboolean
Réamhshocrúfalse
Rogha normalaithe téacs Béarla a mhalartaíonn méid beag moille breise ar léamh níos fearr uimhreacha.
audio_settingroghnach
Cineálobject
Socruithe chun fuaim a chumrú.
audio_setting.sample_rateroghnach
Cineálenum
Réamhshocrú32000
80001600022050240003200044100
Ráta samplála don fhuaim ginte.
audio_setting.bitrateroghnach
Cineálenum
Réamhshocrú128000
3200064000128000256000
Ráta giotán don fhuaim ginte.
audio_setting.formatroghnach
Cineálenum
Réamhshocrúmp3
mp3pcmflac
Formáid na fuaime.
audio_setting.channelroghnach
Cineálenum
Réamhshocrú1
12
Comhaireamh cainéal fuaime: 1 le haghaidh mona nó 2 le haghaidh steirió.
language_boostroghnach
Cineálenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 eileKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Feabhsaíonn sé aitheantas do na teangacha agus na canúintí roghnaithe.
output_formatroghnach
Cineálenum
Réamhshocrúhex
urlhex
Formáid ábhair an aschuir; baineann sé seo le freagraí neamhshruthaithe amháin.
pronunciation_dictroghnach
Cineálobject
Foclóir saincheaptha foghraíochta a úsáidtear chun téacs a ionadú.
pronunciation_dict.tone_listroghnach
Cineálstring[]
Liosta ionaduithe foghraíochta leis an chomhréir ['text/(pronunciation)', ...], mar shampla ['燕少飞/(yan4)(shao3)(fei1)']. Tá uimhreacha ton na Sínise idir 1 agus 5.
riachtanach

Aschur

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-02-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": {
    "text": "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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
audio
object {url, content_type, file_name, file_size}Comhad fuaime arna tháirgeadh trí ghiniúint.
duration_ms
integerFad na fuaime, tomhaiste ina milleasoicindí.

Tuilleadh samhlacha: Téacs go Urlabhra

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/minimax/speech-02-hd.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt