用 MiniMax Speech 02 HD 合成有声书、纪录片和课程旁白。提交文本和系统音色 ID,同步获取音频。

输入
发送给模型的文本提示词
输出
Sample edited image — run the model to replace this previewSampleRun the model to replace this preview

MiniMax Speech 02 HD 文字转语音 API

为有声书、纪录片和解说词合成旁白。

Speech 02 HD 是 Speech 02 系列的高保真版本,适合需要清楚呈现语调和停连的正式旁白。可先试听一段带人名或对白的文稿,确认音色是否合适。

长稿可以按章节或自然段拆分。保留同一音色和语速,合成后逐段核对专名、停顿和衔接。

语音合成能力

选好音色后,可调节语速、停顿和音频格式。

高保真旁白

用同一段稿件试听不同音色,确认语气和发音后再制作长篇旁白。

选择系统音色

将 MiniMax 系统音色 ID 填入 voice。普通话、粤语、英语、日语、韩语等语言均可选到对应音色。

同步返回音频

向 POST /v1/audio/speech 提交文本和音色,成功后直接读取响应体中的音频。

选择输出格式

response_format 默认是 mp3。API 还支持 wav、flac、pcm 和 opus(Ogg Opus)。

调整语速和停顿

speed 的范围为 0.5–2,默认 1。在 input 中加入 <#0.5#> 可停顿半秒。

校对专名读法

在 provider.options.minimax 中可设置情绪、音高和音量,或用 pronunciation_dict 指定人名、缩写的读法。

调用步骤

先用一小段文字试听,再合成正式内容。

  1. 准备文本和音色

    将文稿放入 input。选择适合文稿语言的系统音色,记录其 ID。长稿按段落拆分,每次请求少于 10,000 个计费字符。

  2. 发送合成请求

    使用 VibeToken API 密钥向 /v1/audio/speech 发送 POST 请求。model 填 minimax/speech-02-hd,同时传入 input 和 voice。需要时指定 response_format 或 speed。

  3. 保存或播放音频

    成功后将响应体保存为所选格式,或交给播放器。保留 X-Generation-Id,便于在日志中查询请求。

定价

按使用量付费

按输入的计费字符数收费。中日韩汉字每字计 2 个字符,其余字符每个计 1 个。费率以当前模型价格为准。

计费单位VibeToken官方节省
每 1M 字符 ¥315.000¥350.000−10%

按输入字符计费:一个汉字计为 2 个字符,其他字符计为 1 个,费用随文本长度变化。

使用示例

用短样本检查音色、读音和节奏。

有声书应用示例

按章节合成,在段落转折处试听停顿。

纪录片旁白应用示例

用带地名和人名的片段核对读法,再录制全篇解说。

课程讲解应用示例

保留固定音色和语速,让不同单元的听感一致。

常见问题

了解请求限制、音色和输出设置。

可以。将 base_url 指向 https://vibetoken.cn/v1,通过 audio.speech.create 发送模型 ID、文本和音色。