Leum chun t-susbaint

MiniMax Speech 2.8 [Turbo]

Amalaich

ID a’ mhodail minimax/speech-2.8-turbo
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/minimax/speech-2.8-turbo?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

An t-iarrtas seo: $0.003 3 creideasan API · ≈ ₽0.32 Ruith e air an duilleig seo

Faigh iuchair API
MiniMax Teacsa gu Òraid Luath

Speech 2.8 Turbo a’ cur tagaichean eadar-ghluasaid ris leithid gàirean agus osnaichean, a bharrachd air smachd atharrachaidh gutha

MiniMax · Fuaim

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach 50 / 10000

Teacsa airson co-chur cainnte, le stadan air an sònrachadh le `<#x#>` far a bheil x eadar 0.01 agus 99.99 diogan. Is iad na tagaichean eadar-theachd a tha rim faighinn `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, agus `(yawns)`.

Adhartach output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
output_format bun-roghainn hex

Cruth susbaint às-chuir; chan eil seo a’ buntainn ach ri freagairtean nach eil a’ sruthadh.

A’ leasachadh aithneachaidh airson nan cànanan agus nan dualchainntean a chaidh a thaghadh.

bun-roghainn {"english_normalizati...

Roghainnean airson an guth a rèiteachadh.

Roghainnean airson claisneachd a rèiteachadh.

Faclair gnàthaichte de fhuaimneachaidhean a thèid a chleachdadh gus teacsa a chur nan àite.

Roghainnean a bhios a’ riaghladh gnàthachadh àirde na claisneachd.

Roghainnean airson pitch, dian agus timbre na guth atharrachadh.

POST /run/minimax/speech-2.8-turbo?wait=20 tuairmse → $0.003
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/minimax/speech-2.8-turbo?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu MiniMax Speech 2.8 [Turbo]

A’ gineadh cainnt bho suas ri 10000 caractar ann an `prompt`. A bharrachd air comharran stad (0.01 gu 99.99 diogan), faodaidh tagaichean eadar-ghluasaid leithid (laughs), (sighs), (coughs) agus (gasps) a bhith san teacsa. Bidh `voice_modify` ag atharrachadh àirde, dian agus timbre, còmhla ri `voice_setting`, `language_boost`, `pronunciation_dict` agus `normalization_setting`. Tillidh e fuaim agus an fhaid ann am milliseconds.

Paramadairean

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainntrue
Faodar sgrìonadh a shocrachadh le false, ma tha cead aig an neach-gairm.
promptriatanach
Seòrsastring
≤ 10,000 caractar
Teacsa airson co-chur cainnte, le stadan air an sònrachadh le `<#x#>` far a bheil x eadar 0.01 agus 99.99 diogan. Is iad na tagaichean eadar-theachd a tha rim faighinn `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)`, agus `(yawns)`.
voice_settingroghainneil
Seòrsaobject
Bun-roghainn{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Roghainnean airson an guth a rèiteachadh.
voice_setting.voice_idroghainneil
Seòrsastring
Bun-roghainnWise_Woman
≥ 1 characters
Aithniche guth ro-mhìnichte air a chleachdadh airson co-chur cainnte.
voice_setting.speedroghainneil
Seòrsanumber
Bun-roghainn1
0.5 – 2
Ìre labhairt, bho 0.5 gu 2.0.
voice_setting.volroghainneil
Seòrsanumber
Bun-roghainn1
0.01 – 10
Meud an às-chuir, bho 0 gu 10.
voice_setting.pitchroghainneil
Seòrsainteger
Bun-roghainn0
-12 – 12
Pitch a’ ghutha, bho -12 gu 12.
voice_setting.emotionroghainneil
Seòrsaenum
happysadangryfearfuldisgustedsurprisedneutral
Tòn fhaireachdainneil na cainnte a chaidh a cho-chur.
voice_setting.english_normalizationroghainneil
Seòrsaboolean
Bun-roghainnfalse
Roghainn àbhaisteachaidh teacsa Beurla a nì malairt eadar beagan latency a bharrachd agus leughadh nas fheàrr de dh’àireamhan.
audio_settingroghainneil
Seòrsaobject
Roghainnean airson claisneachd a rèiteachadh.
audio_setting.sample_rateroghainneil
Seòrsaenum
Bun-roghainn32000
80001600022050240003200044100
Ìre-samplachaidh na claisneachd gineadh.
audio_setting.bitrateroghainneil
Seòrsaenum
Bun-roghainn128000
3200064000128000256000
Bitrate na claisneachd gineadh.
audio_setting.formatroghainneil
Seòrsaenum
Bun-roghainnmp3
mp3pcmflac
Cruth na claisneachd.
audio_setting.channelroghainneil
Seòrsaenum
Bun-roghainn1
12
Àireamh sheanalan claisneachd: 1 airson mono no 2 airson stereo.
language_boostroghainneil
Seòrsaenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 eileKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
A’ leasachadh aithneachaidh airson nan cànanan agus nan dualchainntean a chaidh a thaghadh.
output_formatroghainneil
Seòrsaenum
Bun-roghainnhex
urlhex
Cruth susbaint às-chuir; chan eil seo a’ buntainn ach ri freagairtean nach eil a’ sruthadh.
pronunciation_dictroghainneil
Seòrsaobject
Faclair gnàthaichte de fhuaimneachaidhean a thèid a chleachdadh gus teacsa a chur nan àite.
pronunciation_dict.tone_listroghainneil
Seòrsastring[]
Liosta ath-shuidheachaidh fuaimneachaidh a’ cleachdadh a’ cho-chàradh ['text/(pronunciation)', ...], mar eisimpleir ['燕少飞/(yan4)(shao3)(fei1)']. Tha àireamhan tòna Sìonach eadar 1 agus 5.
normalization_settingroghainneil
Seòrsaobject
Roghainnean a bhios a’ riaghladh gnàthachadh àirde na claisneachd.
normalization_setting.enabledroghainneil
Seòrsaboolean
Bun-roghainntrue
Cuiridh seo gnàthachadh àirde na claisneachd an comas.
normalization_setting.target_loudnessroghainneil
Seòrsanumber
Bun-roghainn-18
-70 – -10
Àirde miannaichte, air a tomhas ann an LUFS; ’s e -18.0 am bun-roghainn.
normalization_setting.target_rangeroghainneil
Seòrsanumber
Bun-roghainn8
0 – 20
Raon àirde miannaichte, air a thomhas ann an LU; ’s e 8.0 am bun-roghainn.
normalization_setting.target_peakroghainneil
Seòrsanumber
Bun-roghainn-0.5
-3 – 0
Ìre stùc miannaichte, air a thomhas ann an dBTP; ’s e -0.5 am bun-roghainn.
voice_modifyroghainneil
Seòrsaobject
Roghainnean airson pitch, dian agus timbre na guth atharrachadh.
voice_modify.pitchroghainneil
Seòrsainteger
Bun-roghainn0
-100 – 100
Smachd pitch air a thomhas ann an leth-thònaichean: cleachd luach àicheil gus an guth ìsleachadh no luach dearbhach gus a thogail. Tha na luachan ceadaichte eadar -100 agus 100.
voice_modify.intensityroghainneil
Seòrsainteger
Bun-roghainn0
-100 – 100
Smachd air lùth a’ ghutha a nì cainnt nas beòthaile mar a dh’èireas an suidheachadh. Tha an raon ceadaichte -100 gu 100.
voice_modify.timbreroghainneil
Seòrsainteger
Bun-roghainn0
-100 – 100
Atharrachadh timbre a’ ghutha eadar -100 agus 100, a’ riaghladh a charactar tònaich.
riatanach

Toradh

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.8-turbo",
  "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": 3,
    "usd": "0.003",
    "charged": 3,
    "refunded": 0
  },
  "input": {
    "prompt": "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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
audio
object {url, content_type, file_name, file_size}Faidhle claisneachd a chaidh a chruthachadh le gineadh.
duration_ms
integerFaid na claisneachd, air a tomhas ann am milliseconds.

Barrachd mhodalan: Teacsa gu Òraid

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/minimax/speech-2.8-turbo.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt