跳转到主要内容
POST
/
v1
/
voice_clone
Voice Clone
curl --request POST \
  --url https://api.minimaxi.com/v1/voice_clone \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "file_id": 123456789,
  "voice_id": "<voice_id>",
  "clone_prompt": {
    "prompt_audio": 987654321,
    "prompt_text": "This voice sounds natural and pleasant."
  },
  "text": "A gentle breeze sweeps across the soft grass(breath), carrying the fresh scent along with the songs of birds.",
  "model": "speech-2.8-hd",
  "need_noise_reduction": false,
  "need_volume_normalization": false,
  "aigc_watermark": false
}
'
{
  "input_sensitive": false,
  "input_sensitive_type": 0,
  "demo_audio": "",
  "extra_info": {
    "audio_length": 11124,
    "audio_sample_rate": 32000,
    "audio_size": 179926,
    "bitrate": 128000,
    "word_count": 18,
    "usage_characters": 18
  },
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  }
}

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。

请求体

application/json

Voice clone request parameters

​
file_id
integer<int64>
必填

待复刻音频的 file_id，通过文件上传接口获得 上传的待复刻音频文件需遵从以下规范：

  • 上传的音频文件格式需为：mp3、m4a、wav 格式
  • 上传的音频文件的时长最少应不低于 10 秒，最长应不超过 5 分钟
  • 上传的音频文件大小需不超过 20 mb
  • 若使用该参数，则两个子属性（prompt_audio、prompt_text）都为必填项
​
voice_id
string
必填

克隆音色的 voice_id，正确示例："MiniMax001"。用户进行自定义 voice_id 时需注意：

  • 自定义的 voice_id 长度范围[8,256]
  • 首字符必须为英文字母
  • 允许数字、字母、-、_
  • 末位字符不可为 -、_
  • voice_id 不可与已有 id 重复，否则会报错
​
clone_prompt
object

音色复刻示例音频，提供本参数将有助于增强语音合成的音色相似度和稳定性。若使用本参数，需同时上传一小段示例音频 上传的音频文件需遵从以下规范：

  • 上传的音频文件格式需为：mp3、m4a、wav 格式
  • 上传的音频文件的时长小于 8 秒
  • 上传的音频文件大小需不超过 20 mb
​
text
string

复刻试听参数，限制 1000 字符以内。模型将使用复刻后的音色朗读本段文本内容，并返回试听音频链接。 注：试听将根据字符数正常收取语音合成费用，定价与 T2A 各接口一致

  • 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）
​
model
enum<string>

复刻试听参数。指定合成试听音频使用的语音模型，提供 text 字段时必传此字段。可选项：

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
​
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。

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
​
need_noise_reduction
boolean
默认值:false

音频复刻参数，表示是否开启降噪，默认值为 false

​
need_volume_normalization
boolean
默认值:false

音频复刻参数，是否开启音量归一化，默认值为 false

​
aigc_watermark
boolean
默认值:false

是否在合成试听音频的末尾添加音频节奏标识，默认值为 false

响应

200 - application/json

Successful response

​
input_sensitive
object

输入音频是否命中风控

​
demo_audio
string

如果请求体中传入了试听文本 text 以及合成试听音频的模型 model，那么本参数将以链接形式返回试听音频，否则本参数为空值

​
extra_info
object

试听音频的元信息和计费信息。仅当请求中带 text（即触发了试听合成、有计费）时返回。字段结构与 /v1/t2a_v2 对齐

​
base_resp
object