Avançar para o conteúdo

MiniMax Speech 2.6 [HD]

Integrar

ID do modelo minimax/speech-2.6-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-2.6-hd?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"

Este pedido: 0,005 $ 5 créditos da API · ≈ 0,54 ₽ Executar nesta página

Obter chave de API
MiniMax · Áudio

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório 50 / 10000

Texto de entrada de fala, com novas linhas a indicar limites de parágrafo e marcadores opcionais `<#x#>` para controlar pausas. Coloque os marcadores apenas entre segmentos falados, nunca consecutivamente; `x` indica a pausa em segundos dentro de `[0.01, 99.99]`, utilizando no máximo duas casas decimais.

Avançado output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict · normalization_setting
output_format predefinição hex

Formato do conteúdo da saída; aplica-se apenas a respostas sem streaming.

Melhora o reconhecimento para os idiomas e dialetos selecionados.

predefinição {"english_normalizati...

Definições para configurar a voz.

Definições para configurar o áudio.

Dicionário personalizado de pronúncias utilizado para substituir texto.

Definições que controlam a normalização do volume do áudio.

POST /run/minimax/speech-2.6-hd?wait=20 cotação → 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/speech-2.6-hd?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"

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre MiniMax Speech 2.6 [HD]

Lê em voz alta o texto fornecido em `prompt` (até 10000 caracteres), com quebras de parágrafo marcadas por novas linhas e pausas personalizadas inseridas com marcadores `<#x#>`. Além de `voice_setting`, `audio_setting`, `language_boost` (38 opções) e `pronunciation_dict`, adiciona `normalization_setting` para controlar o volume. O resultado é áudio e a sua duração em milissegundos.

Parâmetros

NomeTipo PredefiniçãoPermitido Descrição
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
A filtragem pode ser flexibilizada definindo false, desde que o autor do pedido esteja autorizado.
promptobrigatório
Tipostring
≤ 10 000 caracteres
Texto de entrada de fala, com novas linhas a indicar limites de parágrafo e marcadores opcionais `<#x#>` para controlar pausas. Coloque os marcadores apenas entre segmentos falados, nunca consecutivamente; `x` indica a pausa em segundos dentro de `[0.01, 99.99]`, utilizando no máximo duas casas decimais.
voice_settingopcional
Tipoobject
Predefinição{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Definições para configurar a voz.
voice_setting.voice_idopcional
Tipostring
PredefiniçãoWise_Woman
≥ 1 characters
Identificador de voz predefinido usado para síntese de voz.
voice_setting.speedopcional
Tiponumber
Predefinição1
0,5 – 2
Velocidade de fala, entre 0.5 e 2.0.
voice_setting.volopcional
Tiponumber
Predefinição1
0,01 – 10
Volume de saída, entre 0 e 10.
voice_setting.pitchopcional
Tipointeger
Predefinição0
-12 – 12
Tom da voz, entre -12 e 12.
voice_setting.emotionopcional
Tipoenum
happysadangryfearfuldisgustedsurprisedneutral
Tom emocional da fala sintetizada.
voice_setting.english_normalizationopcional
Tipoboolean
Predefiniçãofalse
Opção de normalização de texto em inglês que troca uma pequena quantidade de latência adicional por uma leitura melhor dos números.
audio_settingopcional
Tipoobject
Definições para configurar o áudio.
audio_setting.sample_rateopcional
Tipoenum
Predefinição32000
80001600022050240003200044100
Taxa de amostragem do áudio gerado.
audio_setting.bitrateopcional
Tipoenum
Predefinição128000
3200064000128000256000
Taxa de bits do áudio gerado.
audio_setting.formatopcional
Tipoenum
Predefiniçãomp3
mp3pcmflac
Formato do áudio.
audio_setting.channelopcional
Tipoenum
Predefinição1
12
Número de canais de áudio: 1 para mono ou 2 para estéreo.
language_boostopcional
Tipoenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 maisKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Melhora o reconhecimento para os idiomas e dialetos selecionados.
output_formatopcional
Tipoenum
Predefiniçãohex
urlhex
Formato do conteúdo da saída; aplica-se apenas a respostas sem streaming.
pronunciation_dictopcional
Tipoobject
Dicionário personalizado de pronúncias utilizado para substituir texto.
pronunciation_dict.tone_listopcional
Tipostring[]
Lista de substituições de pronúncia utilizando a sintaxe ['text/(pronunciation)', ...], por exemplo ['燕少飞/(yan4)(shao3)(fei1)']. Os números dos tons chineses vão de 1 a 5.
normalization_settingopcional
Tipoobject
Definições que controlam a normalização do volume do áudio.
normalization_setting.enabledopcional
Tipoboolean
Predefiniçãotrue
Ativa a normalização do volume do áudio.
normalization_setting.target_loudnessopcional
Tiponumber
Predefinição-18
-70 – -10
Volume pretendido, medido em LUFS; a predefinição é -18.0.
normalization_setting.target_rangeopcional
Tiponumber
Predefinição8
0 – 20
Intervalo de volume pretendido, medido em LU; a predefinição é 8.0.
normalization_setting.target_peakopcional
Tiponumber
Predefinição-0.5
-3 – 0
Nível de pico pretendido, medido em dBTP; a predefinição é -0.5.
obrigatório

Resultado

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.6-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": {
    "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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
audio
object {url, content_type, file_name, file_size}Ficheiro de áudio produzido pela geração.
duration_ms
integerDuração do áudio, medida em milissegundos.

Mais modelos: Texto para voz

Para agentes de IA: esta página em Markdown está disponível em https://doitong.com/pt-PT/developers/models/minimax/speech-2.6-hd.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt