Sleppa yfir í efni

Minimax · Preview · Speech 2.5 HD

Tengja

Auðkenni líkans minimax/preview/speech-2.5-hd
# 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/preview/speech-2.5-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Þessi beiðni: 0,005 $ 5 API-inneignir · ≈ 0,54 ₽ Keyra á þessari síðu

Fá API-lykil
MiniMax Texti í tal #speech

Forskoðun á texta-í-tal Speech 2.5 HD með víðtækum tungumálastuðningi og stillanlegum raddstillingum

Búið til á Doitong

Opinber verk sem Doitong-samfélagið bjó til með MiniMax Preview. Endurnotaðu beiðni með einum smelli.

Opinber verk sýnd: 16
Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly c... Myndband

Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly coiled around her head and neck, its scales glistening in soft, diffused light. The camera gently zooms in, emphasizing the intricate texture of the snake’s scales and the model’s striking facial...

Animate the stickman drawings into a smooth dance animation. The simple black stick figure perfor... Myndband

Animate the stickman drawings into a smooth dance animation. The simple black stick figure performs fun rhythmic dance moves — waving its arms, bending knees, jumping lightly, spinning, and swaying side to side in time with upbeat music. Keep the white background clean and minimal. The motion...

A hyper-realistic, cinematic transformation sequence of the man in the uploaded image, sitting in... Myndband

A hyper-realistic, cinematic transformation sequence of the man in the uploaded image, sitting in meditation inside a traditional Japanese room. The atmosphere begins to tremble slightly as soft blue light flows around him. From the ground, thousands of magnetic nano-particles rise, shimmering...

A cinematic transformation video of the man. The scene begins with him standing naturally, then l... Myndband

A cinematic transformation video of the man. The scene begins with him standing naturally, then looking down at his hands as glowing holographic projections appear around his body. Mechanical parts of the Iron Man armor start assembling piece by piece with smooth animation: chest plate forming,...

An ultra-epic anime cinematic of Luffy’s greatest enemy unleashing a terrifying blind rage, rampa... Myndband

An ultra-epic anime cinematic of Luffy’s greatest enemy unleashing a terrifying blind rage, rampaging uncontrollably against nature itself. His gigantic body is surrounded by a storm of black and crimson energy, crackling with lightning that scorches the ground. His roar shakes the heavens,...

A fair-skinned red-haired woman with freckles tightly embraces a majestic white tiger with faint ... Myndband

A fair-skinned red-haired woman with freckles tightly embraces a majestic white tiger with faint reddish stripes. They remain close, perfectly synchronized in stillness. The woman blinks slowly, slightly tilting her head with a serious and intense expression. The tiger breathes gently — its...

The snowboarder is riding across massive, fluffy white clouds as if they were snow-covered mounta... Myndband

The snowboarder is riding across massive, fluffy white clouds as if they were snow-covered mountains, with dramatic lighting and deep shadows adding volume and realism. The background shows a stunning blue sky with scattered soft clouds and subtle light rays. crisp cinematic quality, vivid...

Myndband

Используй это изображение как точный референс. Вертикальное реалистичное видео 9:16, тёплая кинематографичная ночная сцена в спальне. Полностью сохранить лица Ани и Павла, их внешность, причёски, одежду, освещение, кровать, панорамные окна и ночной город. Камера статичная, средний крупный план....

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið 50 / 5000

Texti fyrir talinntak, takmarkaður við 5000 stafi og verður að innihalda að minnsta kosti 1 staf sem er ekki bil.

Ítarlegt output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format sjálfgefið hex

Úttakssnið efnis; á aðeins við um svör sem eru ekki streymandi.

Bætir greiningu fyrir valin tungumál og mállýskur.

sjálfgefið {"english_normalizati...

Stillingar fyrir uppsetningu raddar.

Stillingar fyrir uppsetningu hljóðs.

Sérsniðin orðabók yfir framburð sem notuð er til að skipta út texta.

POST /run/minimax/preview/speech-2.5-hd?wait=20 verðtilboð → 0,005 $
# 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/preview/speech-2.5-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Minimax · Preview · Speech 2.5 HD

Breytir allt að 5000 stöfum úr `text` í tal. `voice_setting` stjórnar rödd, hraða og tónhæð (sjálfgefin rödd Wise_Woman) og `language_boost` getur lagt áherslu á eitt af 41 tungumáli og mállýskum. `pronunciation_dict` leyfir sérsniðnar orðaskiptingar og `output_format` skilar annaðhvort vefslóð eða sextándagögnum. Svarið inniheldur hljóðið og lengd þess í millisekúndum.

Færibreytur

HeitiGerð SjálfgefiðLeyfilegt Lýsing
enable_safety_checkervalfrjálst
Gerðboolean
Sjálfgefiðtrue
Hægt er að slaka á skimun með því að stilla false, ef beiðandi hefur heimild.
textáskilið
Gerðstring
≤ 5.000 stafir
Texti fyrir talinntak, takmarkaður við 5000 stafi og verður að innihalda að minnsta kosti 1 staf sem er ekki bil.
voice_settingvalfrjálst
Gerðobject
Sjálfgefið{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Stillingar fyrir uppsetningu raddar.
voice_setting.voice_idvalfrjálst
Gerðstring
SjálfgefiðWise_Woman
≥ 1 characters
Forstillt raddkenni sem er notað við talgervingu.
voice_setting.speedvalfrjálst
Gerðnumber
Sjálfgefið1
0,5 – 2
Talhraði, frá 0.5 til 2.0.
voice_setting.volvalfrjálst
Gerðnumber
Sjálfgefið1
0,01 – 10
Úttaksstyrkur, frá 0 til 10.
voice_setting.pitchvalfrjálst
Gerðinteger
Sjálfgefið0
-12 – 12
Tónhæð raddar, frá -12 til 12.
voice_setting.emotionvalfrjálst
Gerðenum
happysadangryfearfuldisgustedsurprisedneutral
Tilfinningatónn talgervds tals.
voice_setting.english_normalizationvalfrjálst
Gerðboolean
Sjálfgefiðfalse
Valkostur fyrir enska textastöðlun sem skiptir á móti lítilli viðbótartöf fyrir betri lestur talna.
audio_settingvalfrjálst
Gerðobject
Stillingar fyrir uppsetningu hljóðs.
audio_setting.sample_ratevalfrjálst
Gerðenum
Sjálfgefið32000
80001600022050240003200044100
Úrtakstíðni myndaðs hljóðs.
audio_setting.bitratevalfrjálst
Gerðenum
Sjálfgefið128000
3200064000128000256000
Bitahraði myndaðs hljóðs.
audio_setting.formatvalfrjálst
Gerðenum
Sjálfgefiðmp3
mp3pcmflac
Snið hljóðs.
audio_setting.channelvalfrjálst
Gerðenum
Sjálfgefið1
12
Fjöldi hljóðrása: 1 fyrir mono eða 2 fyrir stereo.
language_boostvalfrjálst
Gerðenum
PersianFilipinoTamilChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnamese
+25 í viðbótIndonesianJapaneseItalianKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Bætir greiningu fyrir valin tungumál og mállýskur.
output_formatvalfrjálst
Gerðenum
Sjálfgefiðhex
urlhex
Úttakssnið efnis; á aðeins við um svör sem eru ekki streymandi.
pronunciation_dictvalfrjálst
Gerðobject
Sérsniðin orðabók yfir framburð sem notuð er til að skipta út texta.
pronunciation_dict.tone_listvalfrjálst
Gerðstring[]
Listi yfir framburðarskipti með setningafræðinni ['text/(pronunciation)', ...], til dæmis ['燕少飞/(yan4)(shao3)(fei1)']. Kínverskar tónhæðartölur eru á bilinu 1 til 5.
áskilið

Úttak

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/preview/speech-2.5-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": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "text": "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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
audio
object {url, content_type, file_name, file_size}Hljóðskrá sem verður til við efnisgerð.
duration_ms
integerLengd hljóðs, mæld í millisekúndum.

Fleiri líkön: Texti í tal

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/minimax/preview/speech-2.5-hd.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt