MiniMax: Speech 02 HD
MiniMax Speech 02 HD透過同步audio_speech請求，將提供文字朗讀為生成語音。它接受少於10,000個字元的文字，提供聲音、速度與音高設定，並可輸出MP3、PCM、FLAC或WAV。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
MiniMax Speech 02 HD可將提供文字轉換為語音音訊。其確切Ailoot模型ID為minimax/speech-02-hd，文件所列合成選擇器為speech-02-hd。當您已有配音、口述課程、產品解說或旁白草稿的措辭時，可使用audio_speech方法。輸入為要朗讀的段落，結果則是採所選音訊格式的合成語音。
請將文字準備成實際要說出的內容，並使用符合語句節奏的標點。製作旁白草稿時，請先提供最終句子順序與姓名拼寫，再選擇聲音設定。除非舞台指示的文字也應出現在錄音中，否則請將它們與口述段落分開。請聆聽結果中的重要姓名、數字與轉折，並與來源文字比較。
文字必須少於10,000個字元。公開合成介面契約要求model與text。處理較長資料時，請準備符合該限制的段落，並保留順序以供編輯。同步規格使用完整回應，文件所載預設值為stream=false。一般API也描述串流選項，但此卡片所選方法是同步語音工作流程。
voice_setting可選擇可用的voice_id，並控制speed、vol與pitch。文件所列speed範圍為0.5至2，預設為1。vol必須大於0且最多為10，預設為1；pitch是-12至12的整數，預設為0。請讓每個設定配合段落需求：比較實際錄音的朗讀速度與清晰可聽程度，不要假定數值變更必然產生特定表現。
文件所列emotion值為happy、sad、angry、fearful、disgusted、surprised、calm與fluent。文字也能引導模型情緒。text_normalization是獨立布林控制項，用於中文與英文的數字朗讀前處理；latex_read則控制LaTeX公式朗讀，兩者預設皆為false。pronunciation_dict.tone可承載文件所述的發音替換規則。將姓名或專業用語用於較長旁白前，請先在結果音訊中檢查。
audio_setting.format接受mp3、pcm、flac或wav，預設為mp3。sample_rate接受8000、16000、22050、24000、32000或44100，預設為32000。bitrate接受32000、64000、128000或256000，預設為128000，且適用於MP3。channel選擇1代表單聲道，2代表立體聲，預設為1。請將這些選擇連同來源段落保留，以便依預期編輯或播放用途檢查回傳檔案。
文件所列其他控制項包含language_boost，其確切具名選項包含English、Russian、Chinese與Chinese,Yue；請為段落選擇實際列出的值。timber_weights可將既有voice_id項目與1至100的整數weight值結合。公開sound_effects值為spacious_echo、auditorium_echo、lofi_telephone與robotic。這些是用來塑造所選聲音的選用控制項；比較朗讀結果時，請記錄其實際設定。
同步結果包含生成語音。output_format選擇url或hex，在合成結構描述中預設為hex。請下載URL結果所指向的檔案，或在播放前將hex結果解碼為音訊位元組。請將回傳音訊中繼資料連同錄音保留，包含格式、取樣率、聲道數與大小。subtitle_enable預設為false，啟用時僅適用於非串流輸出；來源並未為此模型規格確立字幕檔案格式。
請將來源段落、確切模型ID、聲音選擇與完成錄音一併儲存。放入影片、課程或口述指南前，請檢聽整段朗讀，確認預期措辭、停頓與所選表達設定。若回應不完整，請保留原始請求識別資訊與回傳資訊，以便核對後再請求另一段錄音。後續修訂可修改特定語句或聲音設定，並保留其餘稿件，以利清楚比較。
Ailoot Ultra · Speech POST /v1/audio/speech minimax/speech-02-hd
minimax/speech-02-hd入門
MiniMax Speech 02 HD透過同步audio_speech請求，將提供文字朗讀為生成語音。它接受少於10,000個字元的文字，提供聲音、速度與音高設定，並可輸出MP3、PCM、FLAC或WAV。
- 接受的輸入
- 文字
- 結果
- 音訊
Ailoot 可用 · 輸入與方法
Ailoot Ultra · Speech POST /v1/audio/speech
- 輸入
text- 輸出
audio- 輸出格式
- mp3,pcm,flac,wav
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 minimax/speech-02-hd | 預設值— |
欄位text | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 false | 預設值false |
欄位voice_setting | 類型object | 要求選填 | 值與限制 | 預設值— |
欄位voice_setting.voice_id | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位voice_setting.speed | 類型number | 要求選填 | 值與限制 最小值: 0.5 最大值: 2 | 預設值1 |
欄位voice_setting.vol | 類型number | 要求選填 | 值與限制 最小值: 0 最大值: 10 | 預設值1 |
欄位voice_setting.pitch | 類型integer | 要求選填 | 值與限制 最小值: -12 最大值: 12 | 預設值0 |
欄位voice_setting.emotion | 類型string | 要求選填 | 值與限制 happy, sad, angry, fearful, disgusted, surprised, calm, fluent | 預設值— |
欄位voice_setting.text_normalization | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位voice_setting.latex_read | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位audio_setting | 類型object | 要求選填 | 值與限制 | 預設值— |
欄位audio_setting.sample_rate | 類型integer | 要求選填 | 值與限制 8,000, 16,000, 22,050, 24,000, 32,000, 44,100 | 預設值32,000 |
欄位audio_setting.bitrate | 類型integer | 要求選填 | 值與限制 32,000, 64,000, 128,000, 256,000 | 預設值128,000 |
欄位audio_setting.format | 類型string | 要求選填 | 值與限制 mp3, pcm, flac, wav | 預設值mp3 |
欄位audio_setting.channel | 類型integer | 要求選填 | 值與限制 1, 2 | 預設值1 |
欄位audio_setting.force_cbr | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位pronunciation_dict | 類型object | 要求選填 | 值與限制 | 預設值— |
欄位pronunciation_dict.tone | 類型array | 要求選填 | 值與限制 | 預設值— |
欄位timber_weights | 類型array | 要求選填 | 值與限制 | 預設值— |
欄位language_boost | 類型string | 要求選填 | 值與限制 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, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans, auto | 預設值— |
欄位voice_modify | 類型object | 要求選填 | 值與限制 | 預設值— |
欄位voice_modify.pitch | 類型integer | 要求選填 | 值與限制 -100, 100 | 預設值— |
欄位voice_modify.intensity | 類型integer | 要求選填 | 值與限制 -100, 100 | 預設值— |
欄位voice_modify.timbre | 類型integer | 要求選填 | 值與限制 -100, 100 | 預設值— |
欄位voice_modify.sound_effects | 類型string | 要求選填 | 值與限制 spacious_echo, auditorium_echo, lofi_telephone, robotic | 預設值— |
欄位subtitle_enable | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位output_format | 類型string | 要求選填 | 值與限制 url, hex | 預設值hex |
欄位aigc_watermark | 類型boolean | 要求選填 | 值與限制 | 預設值false |
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, text |
參數optional | 規格stream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark |
參數material_types | 規格text |
參數conditions | 規格Use text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted., PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth. |
生命週期： synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方案
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
Ailoot 費率
各設定的價格
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 計費單位 | 費用 |
|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 計費單位— | 費用 輸入 · 輸入 Token — / 1K Token 輸出 · 輸出 Token — / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定輸入字元 | 費率表— | 計費單位每個輸入字元 | 費用 輸入 · 輸入字元 $0.0002 每個輸入字元 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-02-hd", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')
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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
接收並儲存結果
Ailoot Ultra · Speech
mp3,pcm,flac,wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.
需要檢查原始回應時
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
回應欄位
| 欄位 | 類型 |
|---|---|
欄位data.audio | 類型string |
欄位extra_info | 類型object |
欄位trace_id | 類型string |
別名
模型別名
Ailoot Ultra minimax/speech-02-hd
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · MiniMax: Speech 02 HD
- 可以使用哪些輸入與結果？
POST /v1/audio/speech·minimax/speech-02-hd:text→audio- 請求使用哪些欄位？
POST /v1/audio/speech·minimax/speech-02-hd:model,text,stream,voice_setting,audio_setting,pronunciation_dict,timber_weights,language_boost,voice_modify,subtitle_enable,output_format,aigc_watermark- 適用哪些限制？
POST /v1/audio/speech·minimax/speech-02-hd:voice_setting.speed.minimum:0.5;voice_setting.speed.maximum:2;voice_setting.vol.minimum:0;voice_setting.vol.maximum:10;voice_setting.pitch.minimum:-12;voice_setting.pitch.maximum:12