用 MiniMax Speech 2.6 Turbo 生成客服提示、互动回复和批量语音。选择系统音色后,同步返回音频。

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 2.6 Turbo 文字转语音 API

面向实时提示和批量短音频的语音合成。

Speech 2.6 Turbo 适合互动回复、客服提醒和高频批量合成。同系列中,Turbo 响应更快、字符费率更低。

将动态内容组织成易听懂的短句。用实际的日期、金额和状态字段试听,确认读法后再接入业务。

语音合成能力

选好音色后,可调节语速、停顿和音频格式。

高频文本转语音

用短而完整的句子合成状态和回复,方便应用逐条播放。

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-2.6-turbo,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 ¥180.000¥200.000−10%

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。

互动回复应用示例

先合成短回应,确认语速适合连续对话。

客服提醒应用示例

试听包含排队号码和预计时间的句子,确认信息清楚。

批量文案配音应用示例

用统一音色生成产品介绍,逐条抽查型号与单位。

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。