主题模式

MiniMax 同步语音合成 API 文档 ​

接口简介 ​

在 HTTP 协议下进行同步语音合成（Text-to-Audio），支持流式与非流式输出。

支持的模型 ​

模型名称
MiniMax-Speech-2.8-hd
MiniMax-Speech-02-hd

请求参数 ​

主请求体 ​

参数名类型必填说明默认值取值范围/格式
modelstring是模型版本-MiniMax-Speech-2.8-hd, MiniMax-Speech-02-hd
textstring是待合成文本；段落用换行；支持 <#x#> 停顿时长（秒，x∈[0.01,99.99]）；支持语气词如 (laughs)、(chuckle) 等；长度 < 10000 字符，> 3000 建议流式-非空字符串
streamboolean否是否流式输出falsetrue / false
stream_optionsobject否流式选项，如 exclude_aggregated_audio-见下方
voice_settingobject是音色与发音设置，其中voice_id必填-见「音色与发音」
audio_settingobject否音频格式与采样等-见「音频设置」
pronunciation_dictobject否发音/注音词典-见「发音词典」
timbre_weightsarray否混合音色权重（与 voice_setting.voice_id 二选一）-最多 4 种音色，权重 1–100
language_booststring否小语种/方言增强nullChinese、English、auto 等，见官方枚举
voice_modifyobject否声音效果器（音高/强度/音色/音效）-见「声音效果器」
subtitle_enableboolean否是否开启字幕falsetrue / false
output_formatstring否非流式时的输出形式hexurl（24 小时有效）/ hex；流式仅支持 hex
aigc_watermarkboolean否非流式时是否在末尾加音频节奏标识falsetrue / false

音色与发音（voice_setting） ​

参数名类型必填说明默认值取值范围/格式
voice_idstring是音色编号；混合音色时此处为空并填 timbre_weights-系统/复刻/文生音色，system 类型音色请参考 查询可用音色 ID
speednumber否语速1[0.5, 2]
volnumber否音量1(0, 10]
pitchinteger否语调0[-12, 12]，0 为原音色
emotionstring否情绪-happy、sad、angry、fearful、disgusted、surprised、calm（本模型不支持 whisper）
text_normalizationboolean否中英文文本规范化（数字阅读等）false-
latex_readboolean否是否朗读 LaTeX 公式（仅中文，公式首尾用 $$）false-

音频设置（audio_setting） ​

参数名类型必填说明默认值取值范围/格式
sample_rateinteger否采样率320008000、16000、22050、24000、32000、44100
bitrateinteger否比特率（仅 mp3）12800032000、64000、128000、256000
formatstring否音频格式；wav 仅非流式mp3mp3、pcm、flac、wav
channelinteger否声道数11（单声道）、2（双声道）
force_cbrboolean否流式 mp3 是否恒定比特率false-

发音词典（pronunciation_dict） ​

参数名类型说明
tonearray of string注音/替换规则，如 ["燕少飞/(yan4)(shao3)(fei1)", "omg/oh my god"]；中文声调 1–5 表示一声到轻声

流式选项（stream_options） ​

参数名类型说明
exclude_aggregated_audioboolean是否在最后一个 chunk 中排除拼接后的完整语音 hex；默认 false 即最后一块含完整 hex

声音效果器（voice_modify） ​

支持格式：非流式 mp3/wav/flac，流式仅 mp3。

参数名类型说明取值范围
pitchinteger音高（低沉/明亮）[-100, 100]
intensityinteger强度（力量感/柔和）[-100, 100]
timbreinteger音色（磁性/清脆）[-100, 100]
sound_effectsstring音效spacious_echo、auditorium_echo、lofi_telephone、robotic

请求示例 ​

非流式 ​

json
{
  "model": "MiniMax-Speech-2.8-hd",
  "text": "今天是不是很开心呀(laughs)，当然了！",
  "stream": false,
  "voice_setting": {
    "voice_id": "male-qn-qingse",
    "speed": 1,
    "vol": 1,
    "pitch": 0,
    "emotion": "happy"
  },
  "pronunciation_dict": {
    "tone": [
      "处理/(chu3)(li3)",
      "危险/dangerous"
    ]
  },
  "audio_setting": {
    "sample_rate": 32000,
    "bitrate": 128000,
    "format": "mp3",
    "channel": 1
  },
  "subtitle_enable": false
}

流式 ​

json
{
  "model": "MiniMax-Speech-2.8-hd",
  "text": "今天是不是很开心呀(laughs)，当然了！",
  "stream": true,
  "voice_setting": {
    "voice_id": "male-qn-qingse",
    "speed": 1,
    "vol": 1,
    "pitch": 0,
    "emotion": "happy"
  },
  "pronunciation_dict": {
    "tone": [
      "处理/(chu3)(li3)",
      "危险/dangerous"
    ]
  },
  "audio_setting": {
    "sample_rate": 32000,
    "bitrate": 128000,
    "format": "mp3",
    "channel": 1
  },
  "subtitle_enable": false
}

响应格式 ​

非流式响应（application/json） ​

json
{
  "data": {
    "audio": "<hex 编码的音频数据，或 output_format=url 时的下载地址>",
    "status": 2,
    "ced": ""
  },
  "extra_info": {
    "audio_length": 3204,
    "audio_sample_rate": 32000,
    "audio_size": 52980,
    "bitrate": 128000,
    "word_count": 14,
    "invisible_character_ratio": 0,
    "usage_characters": 26,
    "audio_format": "mp3",
    "audio_channel": 1
  },
  "trace_id": "05f89015b71879f2fbf60a7dc0a71be5",
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  },
  "provider": "MiniMax",
  "model": "MiniMax-Speech-2.8-hd"
}
  • data 可能为 null，需做非空判断。data.audio 为 hex 编码的音频（或 output_format=url 时的 URL）。data.status：1 表示合成中，2 表示合成结束；非流式完成时为 2。data.ced 为扩展字段，可为空字符串。
  • data.subtitle_file：开启字幕时返回字幕下载链接（json，按句、毫秒）。
  • extra_info：音频时长（毫秒）、采样率、大小、比特率、计费字符数（usage_characters）等。
  • provider、model：代理层返回的厂商与模型标识，便于对账与排查。

流式响应（多块 application/json 或 text/event-stream） ​

每块示例：

json
{
  "data": {
    "audio": "hex编码的audio_chunk",
    "status": 1
  },
  "trace_id": "01b8bf9bb7433cc75c18eee6cfa8fe21",
  "base_resp": {
    "status_code": 0,
    "status_msg": ""
  }
}

最后一块 status: 2，并包含 extra_info（同非流式）。

错误码（base_resp.status_code） ​

状态码说明
0请求结果正常
1000未知错误
1001超时
1002触发限流
1004鉴权失败
1039触发 TPM 限流
1042非法字符超过 10%
2013输入参数信息不正常