Avançar 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"

Este pedido: 0,019 $ 19 créditos da API · ≈ 2,04 ₽ Executar nesta página

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

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

Exemplos

Resultado · ~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 da API

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 182 / 10000

Texto para síntese de fala, com pausas especificadas por `<#x#>`, em que x varia entre 0.01 e 99.99 segundos. As etiquetas de interjeições 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 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.

Definições para modificar a altura, 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 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 2.8 HD

As vozes MiniMax Speech 2.8 HD convertem texto em mais de 30 idiomas com controlo detalhado: marcadores de pausa integrados, velocidade voz, tom e volume, dicionários de pronúncia personalizados e efeitos de voz. Escolha entre as vozes integradas e a frequência de amostragem e o formato de saída.

Parâmetros

NomeTipo PredefiniçãoPermitido Descrição
promptobrigatório
Tipostring
≤ 10 000 caracteres
Texto para síntese de fala, com pausas especificadas por `<#x#>`, em que x varia entre 0.01 e 99.99 segundos. As etiquetas de interjeições disponíveis são `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` e `(yawns)`.
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.
voice_modifyopcional
Tipoobject
Definições para modificar a altura, a intensidade e o timbre da voz.
voice_modify.pitchopcional
Tipointeger
Predefinição0
-100 – 100
Controlo da altura medido em semitons: utilize um valor negativo para baixar a voz ou um valor positivo para a elevar. Os valores permitidos vão de -100 a 100.
voice_modify.intensityopcional
Tipointeger
Predefinição0
-100 – 100
Controlo da energia da voz que torna a fala mais enérgica à medida que a definição aumenta. O intervalo permitido é de -100 a 100.
voice_modify.timbreopcional
Tipointeger
Predefinição0
-100 – 100
Ajuste do timbre da voz de -100 a 100, controlando o seu carácter tonal.
obrigatório

Resultado

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"
  }
}
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-2.8-hd.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt