> ## Documentation Index
> Fetch the complete documentation index at: https://platform.minimaxi.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.
# 接口概览
> MiniMax 开放平台 API 接口能力概览，包括文本、语音、视频、图像、音乐和文件管理等多模态能力。
## 获取 API Key
* **按量付费**：通过 [接口密钥 > 创建新的 API Key](https://platform.minimaxi.com/user-center/basic-information/interface-key)，获取 **API Key**
按量付费支持使用所有模态模型，包括文本、视频、语音、图像等
* **Token Plan**：通过 [订阅管理 > Token Plan](https://platform.minimaxi.com/user-center/payment/token-plan)，查看 **Token Plan Key**
Token Plan Key 用于 Token Plan 额度和积分，并与按量计费 API Key 相互独立。详情见 [Token Plan 概要](https://platform.minimaxi.com/docs/token-plan/intro)
***
## 文本生成
文本生成接口使用 **MiniMax M2.7**，**MiniMax M2.7-highspeed**，**MiniMax M2.5**，**MiniMax M2.5-highspeed**，**MiniMax M2.1**，**MiniMax M2.1-highspeed**，**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
| 模型名称 | 输入输出总 token | 模型介绍 |
| :--------------------- | :---------: | :-------------------------------------- |
| MiniMax-M2.7 | 204800 | **开启模型的自我迭代 (输出速度约60tps)** |
| MiniMax-M2.7-highspeed | 204800 | **M2.7 极速版：效果不变，更快，更敏捷 (输出速度约100tps)** |
| MiniMax-M2.5 | 204800 | **顶尖性能与极致性价比，轻松驾驭复杂任务 (输出速度约60tps)** |
| MiniMax-M2.5-highspeed | 204800 | **M2.5 极速版：效果不变，更快，更敏捷 (输出速度约100tps)** |
| MiniMax-M2.1 | 204800 | **强大多语言编程能力，全面升级编程体验 (输出速度约60tps)** |
| MiniMax-M2.1-highspeed | 204800 | **M2.1 极速版：效果不变，更快，更敏捷 (输出速度约100tps)** |
| MiniMax-M2 | 204800 | **专为高效编码与Agent工作流而生** |
如果在使用模型过程中遇到任何问题：
* 通过邮箱 [Model@minimaxi.com](mailto:Model@minimaxi.com) 等官方渠道联系我们的技术支持团队
* 在我们的 [Github](https://github.com/MiniMax-AI/MiniMax-M2/issues) 仓库提交Issue
通过 Anthropic SDK 调用 MiniMax 模型
通过 OpenAI SDK 调用 MiniMax 模型
***
## 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；
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。
| 模型 | 特性 |
| :--------------- | :----------------------------- |
| speech-2.8-hd | 最新的 HD 模型，情绪渲染融合语气词，重塑自然听感 |
| speech-2.8-turbo | 最新的 Turbo 模型，极致生成速度，更自然逼真的音频效果 |
| speech-2.6-hd | HD 模型，韵律表现出色，极致音质与韵律表现，生成更快更自然 |
| speech-2.6-turbo | Turbo 模型，音质优异，超低时延，响应更灵敏 |
| speech-02-hd | 拥有出色的韵律、稳定性和复刻相似度，音质表现突出 |
| speech-02-turbo | 拥有出色的韵律和稳定性，小语种能力加强，性能表现出色 |
### 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：
| 支持语种 | | |
| :------------------ | :------------------- | :-------------------- |
| 1. 中文（Chinese） | 15. 土耳其语（Turkish） | 28. 马来语（Malay） |
| 2. 粤语（Cantonese） | 16. 荷兰语（Dutch） | 29. 波斯语（Persian） |
| 3. 英语（English） | 17. 乌克兰语（Ukrainian） | 30. 斯洛伐克语（Slovak） |
| 4. 西班牙语（Spanish） | 18. 泰语（Thai） | 31. 瑞典语（Swedish） |
| 5. 法语（French） | 19. 波兰语（Polish） | 32. 克罗地亚语（Croatian） |
| 6. 俄语（Russian） | 20. 罗马尼亚语（Romanian） | 33. 菲律宾语（Filipino） |
| 7. 德语（German） | 21. 希腊语（Greek） | 34. 匈牙利语（Hungarian） |
| 8. 葡萄牙语（Portuguese） | 22. 捷克语（Czech） | 35. 挪威语（Norwegian） |
| 9. 阿拉伯语（Arabic） | 23. 芬兰语（Finnish） | 36. 斯洛文尼亚语（Slovenian） |
| 10. 意大利语（Italian） | 24. 印地语（Hindi） | 37. 加泰罗尼亚语（Catalan） |
| 11. 日语（Japanese） | 25. 保加利亚语（Bulgarian） | 38. 尼诺斯克语（Nynorsk） |
| 12. 韩语（Korean） | 26. 丹麦语（Danish） | 39. 泰米尔语（Tamil） |
| 13. 印尼语（Indonesian） | 27. 希伯来语（Hebrew） | 40. 阿非利卡语（Afrikaans） |
| 14. 越南语（Vietnamese） | | |
通过 HTTP 请求进行语音合成
通过 WebSocket 进行流式语音合成
***
## 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。
| 模型 | 特性 |
| :--------------- | :----------------------------- |
| speech-2.8-hd | 最新的 HD 模型，情绪渲染融合语气词，重塑自然听感 |
| speech-2.8-turbo | 最新的 Turbo 模型，情绪渲染融合语气词，重塑自然听感 |
| speech-2.6-hd | HD 模型，韵律表现出色，极致音质与韵律表现，生成更快更自然 |
| speech-2.6-turbo | Turbo 模型，音质优异，超低时延，响应更灵敏 |
| speech-02-hd | 拥有出色的韵律、稳定性和复刻相似度，音质表现突出 |
| speech-02-turbo | 拥有出色的韵律和稳定性，小语种能力加强，性能表现出色 |
### 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。
创建长文本语音生成任务
查询语音生成任务状态
***
## 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](https://platform.minimaxi.com/user-center/basic-information) 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。
| 模型 | 特性 |
| :--------------- | :----------------------------- |
| speech-2.8-hd | 最新的 HD 模型，情绪渲染融合语气词，重塑自然听感 |
| speech-2.8-turbo | 最新的 Turbo 模型，情绪渲染融合语气词，重塑自然听感 |
| speech-2.6-hd | HD 模型，韵律表现出色，极致音质与韵律表现，生成更快更自然 |
| speech-2.6-turbo | Turbo 模型，音质优异，超低时延，响应更灵敏 |
| speech-02-hd | 拥有出色的韵律、稳定性和复刻相似度，音质表现突出 |
| speech-02-turbo | 拥有出色的韵律和稳定性，小语种能力加强，性能表现出色 |
### 接口说明
1. **上传待克隆音频** 调用 [上传复刻音频](/api-reference/voice-cloning-uploadcloneaudio) 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](/api-reference/voice-cloning-uploadprompt) 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](/api-reference/voice-cloning-clone) 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。
上传待克隆的音频文件
执行音色克隆
***
## 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](/api-reference/speech-t2a-intro)和[异步长文本语音合成接口](/api-reference/speech-t2a-async-intro)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
| 模型 | 特性 |
| :--------------- | :----------------------------- |
| speech-2.8-hd | 最新的 HD 模型，情绪渲染融合语气词，重塑自然听感 |
| speech-2.8-turbo | 最新的 Turbo 模型，情绪渲染融合语气词，重塑自然听感 |
| speech-2.6-hd | HD 模型，韵律表现出色，极致音质与韵律表现，生成更快更自然 |
| speech-2.6-turbo | Turbo 模型，音质优异，超低时延，响应更灵敏 |
| speech-02-hd | 拥有出色的韵律、稳定性和复刻相似度，音质表现突出 |
| speech-02-turbo | 拥有出色的韵律和稳定性，小语种能力加强，性能表现出色 |
### 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。
基于描述生成个性化音色
***
## 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
| 模型 | 功能 |
| :---------------------- | :--------------------------------------------- |
| MiniMax-Hailuo-2.3 | 全新视频生成模型，肢体动作、物理表现与指令遵循能力全面升级 |
| MiniMax-Hailuo-2.3-Fast | 图生视频模型，生成速度大幅提升，以更高性价比兼顾画质与表现力 |
| MiniMax-Hailuo-02 | 新一代视频生成模型，支持更高分辨率 (1080P) 和更长时长 (10s)，指令遵循能力更强 |
### 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。
基于文本描述生成视频
基于图片生成视频
***
## 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](/faq/video-agent-templates)，查阅模板内容及示例效果。
| 模板 ID | 模板名称 | 模板说明 | media\_inputs | text\_inputs |
| :----------------- | :---------- | :------------------------- | :------------ | :----------- |
| 392753057216684038 | 跳水 | 上传你的图片，生成图中主体完成完美跳水动作的视频 | 需要 | / |
| 393881433990066176 | 吊环 | 上传宠物照片，生成图中主体完成完美吊环动作的视频 | 需要 | / |
| 393769180141805569 | 绝地求生 | 上传宠物图片并输入野兽种类，生成宠物野外绝地求生视频 | 需要 | 需要 |
| 394246956137422856 | 万物皆可 labubu | 上传人物/宠物照片，生成 labubu 换脸视频 | 需要 | / |
| 393879757702918151 | 麦当劳宠物外卖员 | 上传爱宠照片，生成麦当劳宠物外卖员视频 | 需要 | / |
| 393766210733957121 | 藏族风写真 | 上传面部参考图，生成藏族风视频写真 | 需要 | / |
| 394125185182695432 | 生无可恋 | 输入各类主角痛苦做某事，一键生成角色痛苦生活的小动画 | / | 需要 |
| 393857704283172864 | 情书写真 | 上传照片生成冬日雪景写真 | 需要 | / |
| 393866076583718914 | 女模特试穿广告 | 上传服装图片，生成女模特试穿广告 | 需要 | / |
| 398574688191234048 | 四季写真 | 上传人脸照片生成四季写真 | 需要 | / |
| 393876118804459526 | 男模特试穿广告 | 上传服装图片，生成男模特试穿广告 | 需要 | / |
创建视频Agent生成任务
查询视频Agent任务状态
***
## 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
| 模型名称 | 简介 |
| :------------ | :------------------------------ |
| image-01 | 图像生成模型，画面表现细腻，支持文生图、图生图（人物主体参考） |
| image-01-live | 图像生成模型，在 image-01 基础上额外支持多种画风设置 |
基于文本描述生成图像
基于参考图片生成图像
***
## 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
| 模型名称 | 使用方法 |
| :-------- | :------------------------------ |
| music-2.6 | 最新音乐生成模型，支持用户输入音乐灵感和歌词，生成 AI 音乐 |
根据描述和歌词生成音乐
***
## 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
| 类型 | 格式 |
| :- | :------------------------- |
| 文档 | `pdf`、`docx`、`txt`、`jsonl` |
| 音频 | `mp3`、`m4a`、`wav` |
### 容量及限制
| 限制内容 | 限制大小 |
| :----- | :---- |
| 总容量 | 100GB |
| 单个文档容量 | 512MB |
上传文件到平台
获取已上传的文件列表
***
## 官方 MCP
MiniMax 提供官方的 [Python 版本](https://github.com/MiniMax-AI/MiniMax-MCP) 和 [JavaScript 版本](https://github.com/MiniMax-AI/MiniMax-MCP-JS) 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](/guides/mcp-guide)
## 语音调试台