Ir para o conteúdo

MiniMax Speech 2.8 HD

Integrar

ID do modelo minimax/speech-2.8-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/speech-2.8-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Welcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view."
  }'

# 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"

Esta solicitação: $ 0,019 19 créditos de API · ≈ ₽ 2,04 Executar nesta página

Obter chave de API
MiniMax Texto para fala #voiceover#multilingual#hd

Conversão de texto em fala em alta definição da MiniMax em mais de 30 idiomas, com pausas, emoção e controle de pronúncia.

Exemplos

Saída · ~10 s

PromptWelcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view.

$ 0,019 · 19 créditos de API

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório 182 / 10000

Texto para síntese de fala, com pausas especificadas por `<#x#>`, em que x varia de 0.01 a 99.99 segundos. As tags de interjeição disponíveis são `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` e `(yawns)`.

Avançado output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
output_format padrão hex

Formato do conteúdo da saída; aplica-se apenas a respostas que não sejam em streaming.

Melhora o reconhecimento dos idiomas e dialetos selecionados.

padrão {"english_normalizati...

Configurações para configurar a voz.

Configurações para configurar o áudio.

Dicionário personalizado de pronúncias usado para substituir texto.

Configurações que controlam a normalização do volume do áudio.

Configurações para modificar o tom, a intensidade e o timbre da voz.

POST /run/minimax/speech-2.8-hd?wait=20 cotação → $ 0,019
# 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-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Welcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view."
  }'

# 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"

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre MiniMax Speech 2.8 HD

As vozes do MiniMax Speech 2.8 HD transformam texto em fala em mais de 30 idiomas com controle preciso: marcadores de pausa inline, velocidade, tom e volume da voz, dicionários de pronúncia personalizados e efeitos de voz. Escolha entre as vozes integradas e a taxa de amostragem e o formato da saída.

Parâmetros

NomeTipo PadrãoPermitido Descrição
promptobrigatório
Tipostring
≤ 10.000 caracteres
Texto para síntese de fala, com pausas especificadas por `<#x#>`, em que x varia de 0.01 a 99.99 segundos. As tags de interjeição disponíveis são `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` e `(yawns)`.
voice_settingopcional
Tipoobject
Padrão{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Configurações para configurar a voz.
voice_setting.voice_idopcional
Tipostring
PadrãoWise_Woman
≥ 1 characters
Identificador de voz predefinido usado para síntese de fala.
voice_setting.speedopcional
Tiponumber
Padrão1
0,5 – 2
Velocidade da fala, variando de 0.5 a 2.0.
voice_setting.volopcional
Tiponumber
Padrão1
0,01 – 10
Volume da saída, variando de 0 a 10.
voice_setting.pitchopcional
Tipointeger
Padrão0
-12 – 12
Tom da voz, variando de -12 a 12.
voice_setting.emotionopcional
Tipoenum
happysadangryfearfuldisgustedsurprisedneutral
Tonalidade emocional da fala sintetizada.
voice_setting.english_normalizationopcional
Tipoboolean
Padrãofalse
Opção de normalização de texto em inglês que troca uma pequena quantidade de latência adicional por uma leitura melhor dos números.
audio_settingopcional
Tipoobject
Configurações para configurar o áudio.
audio_setting.sample_rateopcional
Tipoenum
Padrão32000
80001600022050240003200044100
Taxa de amostragem do áudio gerado.
audio_setting.bitrateopcional
Tipoenum
Padrão128000
3200064000128000256000
Taxa de bits do áudio gerado.
audio_setting.formatopcional
Tipoenum
Padrãomp3
mp3pcmflac
Formato do áudio.
audio_setting.channelopcional
Tipoenum
Padrão1
12
Quantidade de canais de áudio: 1 para mono ou 2 para estéreo.
language_boostopcional
Tipoenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 a maisKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Melhora o reconhecimento dos idiomas e dialetos selecionados.
output_formatopcional
Tipoenum
Padrãohex
urlhex
Formato do conteúdo da saída; aplica-se apenas a respostas que não sejam em streaming.
pronunciation_dictopcional
Tipoobject
Dicionário personalizado de pronúncias usado para substituir texto.
pronunciation_dict.tone_listopcional
Tipostring[]
Lista de substituições de pronúncia usando a sintaxe ['text/(pronunciation)', ...], por exemplo, ['燕少飞/(yan4)(shao3)(fei1)']. Os números dos tons chineses variam de 1 a 5.
normalization_settingopcional
Tipoobject
Configurações que controlam a normalização do volume do áudio.
normalization_setting.enabledopcional
Tipoboolean
Padrãotrue
Ativa a normalização do volume do áudio.
normalization_setting.target_loudnessopcional
Tiponumber
Padrão-18
-70 – -10
Volume desejado, medido em LUFS; o padrão é -18.0.
normalization_setting.target_rangeopcional
Tiponumber
Padrão8
0 – 20
Faixa de volume desejada, medida em LU; o padrão é 8.0.
normalization_setting.target_peakopcional
Tiponumber
Padrão-0.5
-3 – 0
Nível de pico desejado, medido em dBTP; o padrão é -0.5.
voice_modifyopcional
Tipoobject
Configurações para modificar o tom, a intensidade e o timbre da voz.
voice_modify.pitchopcional
Tipointeger
Padrão0
-100 – 100
Controle de tom medido em semitons: use um valor negativo para baixar a voz ou um valor positivo para elevá-la. Os valores permitidos variam de -100 a 100.
voice_modify.intensityopcional
Tipointeger
Padrão0
-100 – 100
Controle da energia da voz, que torna a fala mais enérgica à medida que a configuração aumenta. O intervalo permitido é de -100 a 100.
voice_modify.timbreopcional
Tipointeger
Padrão0
-100 – 100
Ajuste do timbre da voz de -100 a 100, controlando seu caráter tonal.
obrigatório

Saída

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.8-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": 19,
    "usd": "0.019",
    "charged": 19,
    "refunded": 0
  },
  "input": {
    "prompt": "Hello! Welcome to our new studio. <#0.5#> Let's make something wonderful today."
  },
  "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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
audio
object {url, content_type, file_name, file_size}Arquivo de áudio produzido pela geração.
duration_ms
integerDuração do áudio, medida em milissegundos.

Mais modelos: Texto para fala

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/minimax/speech-2.8-hd.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt