跳转到主要内容
POST
/
v1
/
t2a_async_v2
curl --request POST \
  --url https://api.minimaxi.com/v1/t2a_async_v2 \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: <content-type>' \
  --data '
{
  "model": "speech-2.8-hd",
  "text": "真正的危险不是计算机开始像人一样思考(sighs)，而是人开始像计算机一样思考。计算机只是可以帮我们处理一些简单事务。",
  "language_boost": "auto",
  "voice_setting": {
    "voice_id": "audiobook_male_1",
    "speed": 1,
    "vol": 1,
    "pitch": 1
  },
  "pronunciation_dict": {
    "tone": [
      "危险/dangerous"
    ]
  },
  "audio_setting": {
    "audio_sample_rate": 32000,
    "bitrate": 128000,
    "format": "mp3",
    "channel": 2
  },
  "voice_modify": {
    "pitch": 0,
    "intensity": 0,
    "timbre": 0,
    "sound_effects": "spacious_echo"
  }
}
'
{
  "task_id": 95157322514444,
  "task_token": "eyJhbGciOiJSUz",
  "file_id": 95157322514444,
  "usage_characters": 101,
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  }
}

​
返回文件信息

​
txt 文件

输出文件如下所示
  • 音频文件：文件格式遵从请求体设置
  • 字幕文件：精确到句的字幕信息
  • 额外信息 JSON 文件：音频文件相关的附加信息

​
json 文件

  • title，若该字段为空，则不输出该字段的文件
    • 音频文件：文件格式遵从请求体设置
    • 字幕文件：精确到句的字幕信息
    • 额外信息 JSON 文件：音频文件相关的附加信息
  • content，若该字段为空，则不输出该字段的文件
    • 音频文件：文件格式遵从请求体设置
    • 字幕文件：精确到句的字幕信息
    • 额外信息 JSON 文件：音频文件相关的附加信息
  • extra，若该字段为空，则不输出该字段的文件
    • 音频文件：文件格式遵从请求体设置
    • 字幕文件：精确到句的字幕信息
    • 额外信息 JSON 文件：音频文件相关的附加信息

授权

​
Authorization
string
header
必填

HTTP: Bearer Auth

  • Security Scheme Type: http
  • HTTP Authorization Scheme: Bearer API_key，用于验证账户信息，可在 账户管理>接口密钥 中查看。

请求头

​
Content-Type
enum<string>
默认值:application/json
必填

请求体的媒介类型，请设置为 application/json，确保请求数据的格式为 JSON

可用选项:
application/json

请求体

application/json
​
model
enum<string>
必填

请求的模型版本，可选范围：speech-2.8-hd, speech-2.8-turbo, speech-2.6-hd, speech-2.6-turbo, speech-02-hd, speech-02-turbo, speech-01-hd, speech-01-turbo.

可用选项:
speech-2.8-hd,
speech-2.8-turbo,
speech-2.6-hd,
speech-2.6-turbo,
speech-02-hd,
speech-02-turbo,
speech-01-hd,
speech-01-turbo
​
text
string
必填

待合成音频的文本，限制最长 5 万字符。和 text_file_id 二选一必填

  • 语气词标签：仅当模型选择 speech-2.8-hd 或 speech-2.8-turbo 时，支持在文本中插入语气词标签。支持的语气词：(laughs)（笑声）、(chuckle)（轻笑）、(coughs)（咳嗽）、(clear-throat)（清嗓子）、(groans)（呻吟）、(breath)（正常换气）、(pant)（喘气）、(inhale)（吸气）、(exhale)（呼气）、(gasps)（倒吸气）、(sniffs)（吸鼻子）、(sighs)（叹气）、(snorts)（喷鼻息）、(burps)（打嗝）、(lip-smacking)（咂嘴）、(humming)（哼唱）、(hissing)（嘶嘶声）、(emm)（嗯）、(whistles)（口哨）、(sneezes)（喷嚏）、(crying)（抽泣）、(applause)（鼓掌）
​
text_file_id
integer<int64>
必填

待合成音频的文本文件 待合成音频的文本文件 id，单个文件长度限制小于 100 万字符，支持的文件格式：txt、zip。和 text 二选一必填，传入后自动校验格式。

  • txt 文件：长度限制 <1,000,000 字符。支持使用 <#x#> 标记自定义停顿。x 为停顿时长（单位：秒），范围 [0.01,99.99]，最多保留两位小数。注意停顿需设置在两个可以语音发音的文本之间，不可连续使用多个停顿标记
  • zip 文件：
    • 压缩包内需包含同一格式的 txt 或 json 文件。
    • json 文件格式：支持 [title, content, extra] 三个字段，分别表示标题、正文、附加信息。若三个字段都存在，则产出 3 组结果，共 9 个文件，统一存放在一个文件夹中。若某字段不存在或内容为空，则该字段不会生成对应结果
​
voice_setting
object
必填
​
audio_setting
object
​
pronunciation_dict
object
​
language_boost
enum<string>

是否增强对指定的小语种和方言的识别能力。默认值为 null，可设置为 auto 让模型自主判断。

注意：speech-01 和 speech-02 系列模型暂不支持 Persian、Filipino、Tamil 这三个语种。

可用选项:
Chinese,
Chinese,Yue,
English,
Arabic,
Russian,
Spanish,
French,
Portuguese,
German,
Turkish,
Dutch,
Ukrainian,
Vietnamese,
Indonesian,
Japanese,
Italian,
Korean,
Thai,
Polish,
Romanian,
Greek,
Czech,
Finnish,
Hindi,
Bulgarian,
Danish,
Hebrew,
Malay,
Persian,
Slovak,
Swedish,
Croatian,
Filipino,
Hungarian,
Norwegian,
Slovenian,
Catalan,
Nynorsk,
Tamil,
Afrikaans,
auto
​
voice_modify
object

声音效果器设置。

支持的音频格式：mp3、wav、flac。（其他格式如 pcm、pcmu_raw、pcmu_wav、opus 不支持，传入会返回参数错误。）

​
aigc_watermark
boolean
默认值:false

控制在合成音频的末尾添加音频节奏标识，默认值为 False。该参数仅对非流式合成生效

响应

200 - application/json
​
task_id
string

当前任务的 ID

​
file_id
integer<int64>

任务创建成功后返回的对应音频文件的 ID。

  • 当任务完成后，可通过 file_id 调用 文件检索接口 进行下载
  • 当请求出错时，不返回该字段 注意：返回的下载 URL 自生成起 9 小时（32,400 秒）内有效，过期后文件将失效，生成的信息便会丢失，请注意下载信息的时间
​
task_token
string

完成当前任务使用的密钥信息

​
usage_characters
integer

计费字符数

​
base_resp
object

本次请求的状态码及其详情