MiniMax: Speech 2.6 Turbo
Speech 2.6 Turbo是MiniMax的文字轉語音模型，可將完成稿件轉換為音訊。minimax/speech-2.6-turbo版本提供聲音、表達與音訊格式控制項，回傳完整JSON回應，並可選擇URL或十六進位音訊輸出。它可為提供的訊息、短篇課程或應用程式稿件建立語音版本。
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。
Speech 2.6 Turbo是以model: "minimax/speech-2.6-turbo"選擇的確切MiniMax語音版本。使用POST /v1/audio/speech，並以application/json主體提供model與要朗讀的text。輸入為書面稿件，結果為合成音訊。製作應用程式訊息時，請提供聽眾需要聽到的確切文字，並將任何有歧義的縮寫完整寫出。製作短篇課程時，請在稿件本身區分說明與範例。為介面流程配音時，請讓每個口述片段連結至具體使用者動作，並將稿件連同音訊保留。
text欄位不得空白，且必須少於10,000個Unicode字元。請傳送完整口述稿件，搭配stream:false，或省略stream。提交各段前，請先將較長資料分成獨立而完整的稿件段落。使用文件時，可讀取其實際內容，再將相關段落放入text；文件URL不能取代稿件。
請透過voice_setting.voice_id選擇聲音。文件所列聲音類別包含系統聲音，以及已建立的複製聲音或文字設計聲音；請使用所選類別的有效聲音ID。範例聲音為audiobook_male_1。同一物件也控制0.5至2的speed、大於0且最多10的vol，以及-12至12的整數pitch。其預設值分別為1、1與0。這些控制項調整口述表達的不同層面，因此請分別選擇，而不是將其名稱放進稿件。
voice_setting.emotion接受happy、sad、angry、fearful、disgusted、surprised、calm與fluent。文件也描述依文字自動比對情緒。對數字較多的稿件，voice_setting.text_normalization可啟用中文與英文文字正規化，預設為false。voice_setting.latex_read控制LaTeX運算式的朗讀，預設也為false。pronunciation_dict.tone為發音規則字串陣列。公開範例為["草地/(cao3)(di1)"]；提供規則時，請保留詞語、斜線與括號內發音的結構。
audio_setting.format接受mp3、pcm、flac與wav，預設為mp3。sample_rate接受8000、16000、22050、24000、32000與44100 Hz；預設為32000。channel為1代表單聲道，2代表雙聲道，預設為1。bitrate值為32000、64000、128000與256000位元／秒，預設為128000，且適用於mp3。請選擇使用結果的播放器或編輯工具所需編碼。
language_boost是選用字串，預設為null。允許值為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與auto。"Chinese,Yue"是一個值。它是與稿件、聲音ID分開的控制項。結構描述也提供timber_weights，接受voice_id與整數weight配對的清單，每個weight介於1至100。準備請求時，請保留參數拼寫timber_weights。voice_modify.sound_effects是選用字串，值為spacious_echo、auditorium_echo、lofi_telephone與robotic。
stream預設為false。對於完整回應，output_format選擇url或hex，預設為hex。在文件所列JSON結果中，data.audio承載選定表示形式：請下載完整Ailoot簽署URL，包含查詢字串，或將完整十六進位音訊解碼為位元組。請保留原始結果，以及data.status、base_resp、trace_id與extra_info，後者包含實際音訊格式、取樣率、聲道數、大小與usage_characters。
subtitle_enable為布林值，預設為false，適用於非串流輸出。aigc_watermark為布林值，預設為false，用於控制生成音訊結尾的可聽節奏標記。請保留每個回傳音訊或字幕結果，並在放入應用程式前檢查發音、數字與完成檔案。若傳送結果不確定，請保留原始請求識別碼與回應，以便檢查既有嘗試。Ailoot也會將完成音訊儲存在您的媒體庫。使用output_format:"url"時，data.audio包含已儲存資產的簽署連結；資產ID出現在其/v1/media/assets/{asset_id}/content路徑。Ailoot簽署檔案連結自簽發起有效24小時。請使用相同API金鑰呼叫GET /v1/media/assets?family=audio，並依序處理每個next_cursor，尋找音訊資產紀錄。針對每個選定紀錄讀取GET /v1/media/assets/{asset_id}，並下載其確切content_url，包含查詢字串。若檔案請求回傳404且代碼為link_expired，請再次讀取同一資產，取得更新的content_url。請更新已儲存結果，不要為了替換到期連結而重新生成音訊。
Ailoot Ultra · Speech POST /v1/audio/speech minimax/speech-2.6-turbo
minimax/speech-2.6-turbo入門
Speech 2.6 Turbo是MiniMax的文字轉語音模型，可將完成稿件轉換為音訊。minimax/speech-2.6-turbo版本提供聲音、表達與音訊格式控制項，回傳完整JSON回應，並可選擇URL或十六進位音訊輸出。它可為提供的訊息、短篇課程或應用程式稿件建立語音版本。
- 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-2.6-turbo | 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 $0.00012 每個輸入字元 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · Speech
set -eu
: "${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-2.6-turbo", "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-2.6-turbo
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 2.6 Turbo
- 可以使用哪些輸入與結果？
POST /v1/audio/speech·minimax/speech-2.6-turbo:text→audio- 請求使用哪些欄位？
POST /v1/audio/speech·minimax/speech-2.6-turbo: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-2.6-turbo: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