跳转到主要内容

端点

OpenAI / OpenRouter 形态的语音合成。对 MiniMax 语音模型,调用是同步的: 响应体就是音频文件,没有需要轮询的生成 id。OpenAI SDK 的 audio.speech.create 可直接使用。 模型:minimax/speech-2.8-hd、minimax/speech-2.8-turbo、 minimax/speech-2.6-hd、minimax/speech-2.6-turbo、minimax/speech-02-hd、 minimax/speech-02-turbo。音色、选项与示例见 MiniMax Speech 快速开始。

请求头

仅支持个人 API Key;与其他媒体端点一样,不接受组织 Key。

请求体

string
必填
语音模型 id,例如 minimax/speech-2.8-turbo。
string
必填
要合成的文本。计费字符数必须少于 10,000:一个中日韩汉字计 2,其他字符计 1。 文本中任意位置可以插入停顿标记,例如 <#0.5#>(秒,0.01 到 99.99)。
string
必填
MiniMax 系统音色 id,例如 English_expressive_narrator、 Chinese (Mandarin)_News_Anchor、Spanish_Narrator、male-qn-qingse。 完整列表:MiniMax 系统音色 id。
string
默认值:"mp3"
mp3、wav、flac、pcm 或 opus(Ogg/Opus)。这些模型不提供 OpenAI 的 aac,传入会返回 400。
number
默认值:"1"
语速,0.5 到 2(比 OpenAI 的 0.25 到 4 窄,超出范围返回 400)。
string
为兼容 OpenAI 而接受,但会被忽略。
string
默认值:"audio"
仅支持 audio(响应中返回完整文件),sse 返回 400。
object
可选的 MiniMax 控制参数:vol(大于 0,最大 10)、pitch(-12 到 12)、 emotion(happy、sad、angry、fearful、disgusted、surprised、 calm、fluent、whisper)、text_normalization、latex_read、 sample_rate(8000 / 16000 / 22050 / 24000 / 32000 / 44100)、bitrate (32000 / 64000 / 128000 / 256000,仅 mp3)、channel(1 或 2)、 language_boost(例如 auto、English、Chinese)、pronunciation_dict、 voice_modify、text_normalization_mode。详见 MiniMax 选项。
其他任何字段都会返回 400。

示例

响应

返回 200,响应体为原始音频字节。 音频也会随生成记录保存,因此带同一 Idempotency-Key(或 client_request_id) 的重试会返回同一段音频,不会重复计费。若首次请求仍在进行或已失败,重试会收到 409 并附上该生成 id;换一个新 key 才会重新合成。POST /v1/audio/generations 接受相同的请求体,返回 JSON 形式的完成结果(status: "success"、data[0].url), 而不是原始音频。

计费

按输入字符计费(一个中日韩汉字计 2)。请求到达时按输入字符数预扣费用,音频生成后 按实际计费的字符数结算;调用失败会释放预扣。费率见定价页。

错误

错误以常规的 JSON 错误结构返回(见错误码),不会返回音频。

其他音频模型

其他提供方的音频模型在同一端点(以及 POST /v1/audio/generations)上走异步任务 流程:POST 返回 {id, status: "pending"},然后轮询 GET /v1/audio/generations/{id}, 直到 data[].url 出现。目前没有上架这类模型;轮询方式见 异步任务。