MiniMax: Speech 2.8 HD

Speech 2.8 HD sintetiza voz expresiva con control de emoción y detalles como respiración y risas.

Ailoot Ultra · Síntesis de voz POST /v1/audio/speech minimax/speech-2.8-hd

Sobre el modelo

Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.

Voz viva con pequeños detalles sonoros

Speech 2.8 HD está orientado a un sonido natural y limpio. Su principal novedad son etiquetas que añaden detalles de conversación: risas, risitas, respiración, inspiración, espiración, suspiros, tos, carraspeo y otros sonidos breves. Aportan ritmo y pausas de una intervención natural, en lugar de una lectura uniforme de locutor.

Se insertan con la forma indicada para el modelo: por ejemplo, (chuckle), (breath) y (sighs) representan los sonidos correspondientes. Las etiquetas son una capacidad específica de Speech 2.8. Son detalles dentro de la síntesis de voz, no una composición musical o sonora independiente.

Timbre y limpieza

El fabricante destaca transmitir rasgos característicos: textura, respiración y pronunciación. La familia contempla voces clonadas ya preparadas; crearlas es un proceso independiente. Speech 2.8 también revisa el procesamiento para reducir ruido de fondo y distorsión digital.

Idiomas y expresividad

Speech 2.8 admite 40 idiomas, incluido el ruso. El fabricante describe mejoras de pronunciación entre idiomas para la combinación chino-japonés. Se refiere a conservar naturalidad al utilizar idiomas diferentes, no a traducir el texto automáticamente.

MiniMax contempla elegir voz y controlar ritmo, volumen y tono. La velocidad va de 0,5–2, el volumen es superior a 0 y hasta 10, y el cambio de tono va de −12 a 12. La emoción puede elegirse automáticamente según el texto o definirse: alegría, tristeza, ira, miedo, asco, sorpresa o calma.

La pronunciación puede precisarse con un diccionario de sustituciones y anotación fonética, incluidos el alfabeto fonético internacional, pinyin chino y variantes japonesas. Las pausas entre fragmentos van de 0,01–99,99 segundos y se definen con dos decimales; los marcadores se colocan entre fragmentos y no consecutivamente. Permite adaptar nombres, abreviaturas y palabras ambiguas a la locución deseada.

Resultado de audio

La síntesis recibe menos de 10 000 caracteres de texto. Para más de 3000, el fabricante recomienda streaming; también contempla recibir todo el audio terminado. Los ajustes generales incluyen MP3, PCM, FLAC, WAV, Opus y G.711 μ-law, mono o estéreo; las opciones de Ailoot determinan los formatos disponibles de cada solicitud.

Esta ficha convierte texto en audio hablado. Los ajustes describen el modelo de MiniMax; crear un clon de voz, subtítulos independientes y conexiones especiales no forma parte automáticamente de la solicitud de síntesis.

Otros ajustes incluyen frecuencias de 8, 16, 22,05, 24, 32 y 44,1 kHz. Para MP3 se contempla un bitrate de 32, 64, 128 o 256 kbit/s. También se puede modificar el carácter de la voz y aplicar un efecto: eco espacioso, eco de sala, sonido telefónico o voz robótica. Los efectos se admiten para MP3, WAV y FLAC al obtener audio completo, y solo para MP3 en streaming. G.711 μ-law utiliza 8 kHz. Estas capacidades pertenecen a los ajustes de síntesis de MiniMax.

El fabricante contempla sincronizar voz y texto con marcas de tiempo por frase, palabra o palabra en salida progresiva. Permite coordinar la locución y la visualización del texto. La capacidad adicional requiere un formato de respuesta compatible.

Ailoot Ultra · Síntesis de voz POST /v1/audio/speech minimax/speech-2.8-hd

minimax/speech-2.8-hd

MiniMax /minimax/speech-2.8-hd

Inicio

Speech 2.8 HD sintetiza voz expresiva con control de emoción y detalles como respiración y risas.

Entradas aceptadas: Texto
Resultados: Audio

Disponible en Ailoot · entradas y métodos

Ailoot Ultra · Síntesis de voz POST /v1/audio/speech

Entrada: text
Salida: audio
Formato de salida: mp3

Campo	Tipo	Requisito	Valores y límites	Predeterminado
Campo`model`	Tipo`string`	RequisitoObligatorio	Valores y límites minimax/speech-2.8-hd	Predeterminado—
Campo`input`	Tipo`string`	RequisitoObligatorio	Valores y límites Longitud mínima: 1 Unidad: caracteres Unicode	Predeterminado—
Campo`voice`	Tipo`string`	RequisitoObligatorio	Valores y límites English_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl	Predeterminado—
Campo`response_format`	Tipo`string`	RequisitoObligatorio	Valores y límites mp3	Predeterminado—

Combinaciones de materiales de entrada

text_to_speech · Obligatorio: input

Parámetros del método y ciclo de vida

Parámetro	Contrato
Parámetro`content_type`	Contratoapplication/json
Parámetro`required`	Contratomodel, input, voice, response_format
Parámetro`voice_ids`	ContratoEnglish_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl
Parámetro`response_format`	Contratomp3
Parámetro`max_input_characters`	Contratonull
Parámetro`other_options`	Contratofalse
Parámetro`input`	Contratotexto UTF-8 exacto; conteo de caracteres Unicode sin normalización
Parámetro`material_types`	Contratotext

Ciclo de vida: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · El task_id real devuelto o el registro de la biblioteca multimedia

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Selecciona una voz exacta de este perfil de modelo.

Los caracteres de entrada y los segundos de audio se miden por separado.

Tarifas

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo fast: Sin especificar Cuando se selecciona el modo fast
Modo flex: Sin especificar Cuando se selecciona el modo flex
Esfuerzo máximo de razonamiento: Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default

Tarifas de Ailoot

Precios por configuración

Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.

Configuración	Tabla de tarifas	Cantidad facturable	Unidad de facturación	Cargo
ConfiguraciónTarifas base por token	Tabla de tarifasTarifa base	Cantidad facturable—	Unidad de facturación—	Cargo Entrada · Tokens de entrada — / 1K tokens Salida · Tokens de salida — / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens
ConfiguraciónUltra	Tabla de tarifas—	Cantidad facturableCada punto de código Unicode cuenta como un carácter, incluidos los caracteres Han.	Unidad de facturaciónpor 1K caracteres de entrada	Cargo Entrada · carácter de entrada $0.2 por 1K caracteres de entrada

Detalles de la tarifa de referencia

Las tablas de referencia del modelo no cambian la selección del método, las cotizaciones ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot seleccionado.

MiniMax: Speech 2.8 HD

Precios por configuración

Configuración	Condiciones de facturación	Cargo
ConfiguraciónMiniMax: Speech 2.8 HD · Configuración predeterminada	Condiciones de facturaciónConfiguración predeterminada	Cargo Entrada · Caracteres de entrada USD 0.0002 por carácter de entrada

Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →

Solicitudes de ejemplo

Ailoot Ultra · Síntesis de voz

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-2.8-hd", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.mp3

Recibir y guardar resultados

Ailoot Ultra · Síntesis de voz

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Otras consultas de contenido

Biblioteca multimediaEstado de la tareaDetalles del archivo

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva el resultado binario completo y los encabezados. Si se devuelve JSON o varias salidas, conserva cada elemento de data y descarga cada recurso desde su URL firmada real.

Si es necesario revisar la respuesta original

Conserva el operation_id/X-Client-Request-ID original para la conciliación sin volver a enviar la solicitud; no hay una ruta específica para consultar el estado del audio.

Campos de respuesta

Campo	Tipo
Campo`binary audio`	Tipobytes
Campo`response headers`	Tipoheaders

Errores y siguientes pasos

Respuesta	Condición	Siguiente paso
Respuesta400 · `invalid_request_error`	CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos	Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación.
Respuesta`server_error`	CondiciónLa respuesta devuelta indica que la operación o el resultado requiere una revisión	Siguiente pasoConserva el ID original de operación o tarea devuelto, los encabezados de la solicitud y la respuesta; continúa con las consultas admitidas de esa operación original. No vuelvas a enviar la solicitud de creación.

Alias

Alias del modelo

Ailoot Ultra minimax/speech-2.8-hd

Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

ID de modelo relacionados

minimax/speech-2.8-hd

FAQ · MiniMax: Speech 2.8 HD

¿Qué entradas y resultados están disponibles?: POST /v1/audio/speech · minimax/speech-2.8-hd: text → audio
¿Qué campos utiliza la solicitud?: POST /v1/audio/speech · minimax/speech-2.8-hd: model, input, voice, response_format

MiniMax: Speech 2.8 HD