Hoppa till innehåll

Minimax · Preview · Speech 2.5 HD

Integrera

Modell-id 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"

Den här begäran: 0,005 $ 5 API-krediter · ≈ 0,54 ₽ Kör den på den här sidan

Hämta API-nyckel
MiniMax Text till tal #speech

Förhandsversion av text-till-tal med Speech 2.5 HD, en bred lista över språkförbättringar och justerbara röstinställningar

Skapat på Doitong

Offentliga verk skapade med MiniMax Preview av Doitong-communityt. Återanvänd en prompt med ett klick.

Visade offentliga verk: 16
Close-up shot of a striking model with piercing eyes and flawless skin, a white snake elegantly c... Video

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... Video

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... Video

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... Video

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... Video

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 ... Video

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... Video

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...

Video

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....

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt 50 / 5000

Text för talindata, begränsad till 5000 tecken och med krav på minst 1 tecken som inte är blanksteg.

Avancerat output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format standard hex

Format för utdatainnehåll; gäller endast icke-strömmande svar.

Förbättrar igenkänningen för de valda språken och dialekterna.

standard {"english_normalizati...

Inställningar för konfigurering av rösten.

Inställningar för konfigurering av ljud.

Anpassad ordbok med uttal som används för att ersätta text.

POST /run/minimax/preview/speech-2.5-hd?wait=20 pris → 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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Minimax · Preview · Speech 2.5 HD

Omvandlar upp till 5000 tecken av `text` till tal. `voice_setting` styr röst, hastighet och tonhöjd (standardröst Wise_Woman), och `language_boost` kan förstärka ett av 41 språk och dialekter. En `pronunciation_dict` tillåter anpassade ordersättningar, och `output_format` returnerar antingen en URL eller hexdata. Svaret innehåller ljudet och dess längd i millisekunder.

Parametrar

NamnTyp StandardTillåtna Beskrivning
enable_safety_checkervalfritt
Typboolean
Standardtrue
Granskningen kan lättas genom att ange false, om anroparen är behörig.
textobligatoriskt
Typstring
≤ 5 000 tecken
Text för talindata, begränsad till 5000 tecken och med krav på minst 1 tecken som inte är blanksteg.
voice_settingvalfritt
Typobject
Standard{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Inställningar för konfigurering av rösten.
voice_setting.voice_idvalfritt
Typstring
StandardWise_Woman
≥ 1 characters
Fördefinierad röstidentifierare som används för talsyntes.
voice_setting.speedvalfritt
Typnumber
Standard1
0,5 – 2
Taltakt, från 0.5 till 2.0.
voice_setting.volvalfritt
Typnumber
Standard1
0,01 – 10
Utdata-volym, från 0 till 10.
voice_setting.pitchvalfritt
Typinteger
Standard0
−12 – 12
Röstens tonhöjd, från -12 till 12.
voice_setting.emotionvalfritt
Typenum
happysadangryfearfuldisgustedsurprisedneutral
Känslomässig ton i det syntetiserade talet.
voice_setting.english_normalizationvalfritt
Typboolean
Standardfalse
Alternativ för normalisering av engelsk text som byter en liten mängd extra fördröjning mot bättre uppläsning av siffror.
audio_settingvalfritt
Typobject
Inställningar för konfigurering av ljud.
audio_setting.sample_ratevalfritt
Typenum
Standard32000
80001600022050240003200044100
Samplingsfrekvens för det skapade ljudet.
audio_setting.bitratevalfritt
Typenum
Standard128000
3200064000128000256000
Bithastighet för det skapade ljudet.
audio_setting.formatvalfritt
Typenum
Standardmp3
mp3pcmflac
Format för ljudet.
audio_setting.channelvalfritt
Typenum
Standard1
12
Antal ljudkanaler: 1 för mono eller 2 för stereo.
language_boostvalfritt
Typenum
PersianFilipinoTamilChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnamese
+25 tillIndonesianJapaneseItalianKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Förbättrar igenkänningen för de valda språken och dialekterna.
output_formatvalfritt
Typenum
Standardhex
urlhex
Format för utdatainnehåll; gäller endast icke-strömmande svar.
pronunciation_dictvalfritt
Typobject
Anpassad ordbok med uttal som används för att ersätta text.
pronunciation_dict.tone_listvalfritt
Typstring[]
Lista över uttalsersättningar med syntaxen ['text/(uttal)', ...], till exempel ['燕少飞/(yan4)(shao3)(fei1)']. Kinesiska tonnummer sträcker sig från 1 till 5.
obligatoriskt

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio
object {url, content_type, file_name, file_size}Ljudfil som producerats genom generering.
duration_ms
integerLjudlängd, mätt i millisekunder.

Fler modeller: Text till tal

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/minimax/preview/speech-2.5-hd.md. Alla modeller och guider: https://doitong.com/developers/llms.txt