Léim chuig an ábhar

MiniMax Speech 2.8 HD

Comhtháthú

Aitheantas na samhla minimax/speech-2.8-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-2.8-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Welcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view."
  }'

# 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: $0.019 19 gcreidmheas API Rith ar an leathanach seo

Faigh eochair API
MiniMax Téacs go Urlabhra #voiceover#multilingual#hd

Téacs-go-hurlabhra ardghléine MiniMax i mbreis agus 30 teanga le sosanna, mothúchán agus rialú foghraíochta.

Samplaí

Aschur · ~10 s

LeidWelcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view.

$0.019 · 19 gcreidmheas API

Tóg iarratas

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

•riachtanach 182 / 10000

Téacs le haghaidh sintéise urlabhra, agus sosanna sonraithe le `<#x#>` áit a bhfuil x idir 0.01 agus 99.99 soicind. Is iad na clibeanna idirghléis atá ar fáil ná `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, agus `(yawns)`.

Ardleibhéal output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
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.

Socruithe a rialaíonn normalú treise na fuaime.

Socruithe chun tuinairde, déine agus tondath na gutha a athrú.

POST /run/minimax/speech-2.8-hd?wait=20 luachan → $0.019
# 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-2.8-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Welcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view."
  }'

# 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 2.8 HD

Cuireann MiniMax Speech 2.8 HD téacs in iúl i mbreis agus 30 teanga le rialú beacht: marcóirí sosanna inlíne, luas an ghlóir, tuin agus toirt, foclóirí foghraíochta saincheaptha agus maisíochtaí gutha. Roghnaigh as na guthanna ionsuite agus ráta samplála agus formáid an aschuir.

Paraiméadair

AinmCineál RéamhshocrúCeadaithe Cur síos
promptriachtanach
Cineálstring
≤ 10,000 gcarachtar
Téacs le haghaidh sintéise urlabhra, agus sosanna sonraithe le `<#x#>` áit a bhfuil x idir 0.01 agus 99.99 soicind. Is iad na clibeanna idirghléis atá ar fáil ná `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, agus `(yawns)`.
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.
normalization_settingroghnach
Cineálobject
Socruithe a rialaíonn normalú treise na fuaime.
normalization_setting.enabledroghnach
Cineálboolean
Réamhshocrútrue
Cumasaíonn sé normalú treise na fuaime.
normalization_setting.target_loudnessroghnach
Cineálnumber
Réamhshocrú-18
-70 – -10
Treise inmhianaithe, tomhaiste in LUFS; is é -18.0 an réamhshocrú.
normalization_setting.target_rangeroghnach
Cineálnumber
Réamhshocrú8
0 – 20
Raon treise inmhianaithe, tomhaiste in LU; is é 8.0 an réamhshocrú.
normalization_setting.target_peakroghnach
Cineálnumber
Réamhshocrú-0.5
-3 – 0
Buaicleibhéal inmhianaithe, tomhaiste in dBTP; is é -0.5 an réamhshocrú.
voice_modifyroghnach
Cineálobject
Socruithe chun tuinairde, déine agus tondath na gutha a athrú.
voice_modify.pitchroghnach
Cineálinteger
Réamhshocrú0
-100 – 100
Rialú tuinairde tomhaiste i leath-thoin: úsáid luach diúltach chun an guth a ísliú nó luach dearfach chun é a ardú. Tá na luachanna ceadaithe idir -100 agus 100.
voice_modify.intensityroghnach
Cineálinteger
Réamhshocrú0
-100 – 100
Rialú fuinnimh na gutha a fhágann go mbíonn an chaint níos fuinniúla de réir mar a mhéadaíonn an socrú. Tá a raon ceadaithe idir -100 agus 100.
voice_modify.timbreroghnach
Cineálinteger
Réamhshocrú0
-100 – 100
Coigeartú tondatha na gutha ó -100 go 100, a rialaíonn a carachtar tonúil.
riachtanach

Aschur

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.8-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": 19,
    "usd": "0.019",
    "charged": 19,
    "refunded": 0
  },
  "input": {
    "prompt": "Hello! Welcome to our new studio. <#0.5#> Let's make something wonderful today."
  },
  "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-2.8-hd.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt