接口概览

​

文本生成

文本生成接口使用 MiniMax M2.1，MiniMax M2.1 lightning，MiniMax M2 根据输入的上下文，让模型生成对话内容、工具调用。 可通过 HTTP 请求、Anthropic SDK（推荐） 或 OpenAI SDK 接入。

​

支持模型

如果在使用模型过程中遇到任何问题：

• 通过邮箱 [email protected] 等官方渠道联系我们的技术支持团队
• 在我们的 Github 仓库提交Issue

---

​

同步语音合成（T2A）

本接口支持基于文本到语音的同步生成，单次可处理最长 10,000 字符 的文本。 接口本身为无状态接口，即单次调用时，模型仅处理单次传入内容，不涉及业务逻辑，同时模型也不存储您传入的数据。 该接口支持以下功能：

1. 支持 300+ 系统音色、复刻音色自主选择；
2. 支持音量、语调、语速、输出格式调整；
3. 支持按比例混音功能；
4. 支持固定间隔时间控制；
5. 支持多种音频规格、格式，包括：mp3, pcm, flac, wav。注：wav 仅在非流式输出下支持；
6. 支持流式输出。

​

支持模型

以下为 MiniMax 提供的语音模型及其特性说明。

​

接口说明

同步语音合成功能，共包含 2 个接口，可根据需求，选择使用。

• HTTP 同步语音合成
• WebSocket 同步语音合成

​

支持语言

MiniMax 的语音合成模型具备卓越的跨语言能力，全面支持 40 种全球广泛使用的语言。我们致力于打破语言壁垒，构建真正意义上的全球通用人工智能模型。 目前支持的语言包含：

---

​

异步长文本语音生成（T2A Async）

该 API 支持基于文本到语音的异步生成，单次文本生成传输最大支持 100 万字符，生成的完整音频结果支持异步的方式进行检索。 该接口支持以下功能：

1. 支持 100+系统音色、复刻音色自主选择；
2. 支持语调、语速、音量、比特率、采样率、输出格式自主调整；
3. 支持音频时长、音频大小等返回参数；
4. 支持时间戳（字幕）返回，精确到句；
5. 支持直接传入字符串与上传文本文件 file_id 两种方式进行待合成文本的输入；
6. 支持非法字符检测：非法字符不超过 10%（包含 10%），音频会正常生成并返回非法字符占比；非法字符超过 10%，接口不返回结果（返回报错码），请检测后再次进行请求【非法字符定义：ascii 码中的控制符（不含制表符和换行符）】。

提交长文本语音合成请求后，会生成 file_id，生成任务完成后，可通过 file_id 使用文件检索接口进行下载。 ⚠️ 注意：返回的 url 的有效期为：自 url 返回开始的 9 个小时（即 32400 秒），超过有效期后 url 便会失效，生成的信息便会丢失，请注意下载信息的时间。 适用场景：整本书籍等长文本的语音生成。

​

支持模型

以下为 MiniMax 提供的语音模型及其特性说明。

​

接口说明

整体包含 2 个 API：创建语音生成任务、查询语音生成任务状态。使用步骤如下：

1. 创建语音生成任务得到 task_id（如果选择以 file_id 的形式传入待合成文本，需要前置使用 File(Upload)接口进行文件上传）；
2. 基于 taskid 查询语音生成任务状态；
3. 如果发现任务生成成功，那么可以使用本接口返回的 file_id 通过 File API 进行结果查看和下载。

---

​

音色快速复刻（Voice Cloning）

本接口支持基于用户上传需要复刻音频的音频，以及示例音频，进行音色的复刻。 使用本接口需要完成个人认证及企业认证用户后，方可调用。 请在 账户管理 -> 账户信息 中，完成个人用户认证或企业用户认证，以确保可以正常使用本功能。 本接口适用场景：IP 音色复刻、音色克隆等需要快速复刻某一音色的相关场景。 本接口支持单、双声道复刻声音，支持按照指定音频文件快速复刻相同音色的语音。

​

支持模型

以下为 MiniMax 提供的语音模型及其特性说明。

​

接口说明

1. 上传待克隆音频 调用 上传复刻音频 上传待克隆的音频文件并获取 file_id。
2. 上传示例音频 (可选) 若需要提供示例音频以增强克隆效果，需要再次调用 上传示例音频 上传示例音频文件并获得对应的 file_id。填写在clone_prompt中的prompt_audio中。
3. 调用复刻接口 基于获取的 file_id 和自定义的 voice_id 作为输入参数，调用 快速复刻 克隆音色。

⚠️ 注意：

• 调用本接口进行音色克隆时，不会立即收取音色复刻费用。音色的复刻费用将在首次使用此复刻音色进行语音合成时收取（不包含本接口内的试听行为）。
• 本接口产出的快速复刻音色为临时音色，若希望永久保留某复刻音色，请于 168 小时（7 天）内在任意 T2A 语音合成接口中调用该音色（不包含本接口内的试听行为）。若超过时限，该音色将被删除。
• 接口采用无状态设计：每次调用仅处理传入数据，且不存储用户上传内容，不涉及任何业务逻辑状态。

---

​

音色设计（Voice Design）

该 API 支持基于用户输入的声音描述 prompt，生成个性化定制音色。 本接口支持使用生成的音色（voice_id）在同步语音合成接口和异步长文本语音合成接口中进行语音生成

​

支持模型

推荐使用 speech-02-hd 以获得最佳效果

​

注意事项

• 调用本接口获得音色时，不会立即收取生成音色的费用，生成音色的费用将在首次使用此音色进行语音合成时收取（不包含本接口内的试听行为）。
• 本接口产出的音色为临时音色，如您希望永久保留某音色，请于 168 小时（7 天）内在任意语音合成接口中调用该音色（不包含本接口内的试听行为），超过有效期未被使用的音色将自动删除。

音色设计接口

基于描述生成个性化音色

查看文档

---

​

视频生成（Video Generation）

本接口支持基于用户提供的文本、图片（包括首帧、尾帧、主体参考图）进行视频生成。

​

支持模型

​

接口说明

视频生成采用异步方式，整体包含 3 个 API：创建视频生成任务、查询视频生成任务状态、文件管理。使用步骤如下：

1. 使用创建视频生成任务接口，创建视频生成任务，成功创建后会返回一个 task_id；
2. 使用查询视频生成任务状态接口，基于返回的 task_id 查询视频生成任务状态；当状态为成功时，将获得对应的文件 ID（file_id）；
3. 使用文件管理接口，基于步骤 2 查询接口返回的 file_id 进行视频生成结果的查看和下载。

---

​

视频生成Agent

本接口支持基于用户选择的不同视频 Agent 模板和输入来进行视频生成任务。

​

接口说明

视频 Agent 接口采用异步方式，整体包含 2 个 API：创建视频 Agent 任务 和 查询视频 Agent 任务状态。使用步骤如下：

1. 使用创建视频 Agent 任务接口，创建视频 Agent 任务，并得到 task_id；
2. 使用查询视频 Agent 任务状态接口，基于 task_id 查询视频 Agent 任务状态；当状态为成功时，将获得对应的文件下载地址。

​

模板清单

详细信息可以参考 视频 Agent 模板列表，查阅模板内容及示例效果。

---

​

图像生成（Image Generation）

本接口支持基于用户提供的文本或参考图片，进行创意图像生成。支持设置不同图片比例和长宽像素设置，满足不同场景下图像需求。

​

接口说明

通过创建图片生成任务接口，使用文本描述和参考图片，进行图像生成。

​

模型列表

---

​

音乐生成 (Music Generation)

本接口根据歌曲描述（prompt）和歌词（lyrics），生成一首人声的歌曲。

​

支持模型

音乐生成接口

根据描述和歌词生成音乐

查看文档

---

​

文件管理 (File)

本接口是作为文件管理接口，配合 MiniMax 开放平台的其他接口使用。

​

接口说明

本接口是作为文件管理接口，配合其他接口使用。共包含 5 个接口：上传、列出、检索、下载、删除。

​

文件支持格式

​

容量及限制

---

​

官方 MCP

MiniMax 提供官方的 Python 版本 和 JavaScript 版本 模型上下文协议（MCP）服务器实现代码，支持语音合成、音色克隆、视频生成、音乐生成等功能，详细说明请参考 MiniMax MCP 使用指南

​

语音调试台