Saltar al contenido

Crear voz

Síntesis de voz compatible con OpenAI (MiniMax Speech 2.8 HD / Turbo, voz de Doubao); la respuesta son directamente los bytes de audio.

POST/v1/audio/speech

Convierte texto en audio de forma síncrona: la respuesta es el propio audio y no hay tarea que consultar. Funciona directamente con audio.speech.create del SDK de OpenAI; solo cambie el Base URL y model / voice. Los dos modelos de voz pertenecen al grupo independiente MiniMax Speech oficial; la clave debe incluir ese grupo para llamarlos, y puede añadirlo a una clave de chat o video existente.

Cualquier otro campo devuelve 400 unknown field, incluidos stream_format, sample_rate, language_boost y voice_setting. Para usarlos, así como para salida en streaming y voces clonadas, use el endpoint nativo POST /v1/t2a_v2; ver la guía de síntesis de voz. Se factura por caracteres: cada carácter chino cuenta como 2.

La voz de Doubao, seed-tts-2.0 (texto a voz) y seed-audio-1.0 (audio a partir de una escena), pertenece al grupo independiente Doubao Voz en la nube y solo usa este endpoint: input se cuenta en caracteres, hasta 5.000 en seed-tts-2.0 y 3.000 en seed-audio-1.0; speed va de 0.5 a 2.0; los dos modelos admiten valores distintos de response_format, y las solicitudes fallidas no se facturan. Cambie el selector de modelo de arriba a "Voz de Doubao" para ver sus parámetros; ver la guía de síntesis de voz · Voz de Doubao.

La clonación de voz de Doubao seed-icl-2.0, del mismo grupo, también usa este endpoint: primero clone una voz con Crear voz clonada para obtener un voice_id que empieza por hbv_ y luego páselo en voice. Los parámetros y límites son los de seed-tts-2.0; se factura por caracteres de entrada al precio oficial de ¥3 por 10.000 caracteres. Ver Clonación de voz de Doubao.

El cuerpo son bytes de audio, así que el cargo real de la solicitud solo se devuelve en los encabezados X-HopBase-Cost / X-HopBase-Cost-USD / X-HopBase-Currency. Consulte API de cuenta · Cargos.

Encabezados

Authorization:obligatoriostring

Bearer sk-…: una clave de API creada en la consola; su grupo debe incluir el modelo solicitado

Parámetros del cuerpoJSON

Modelo
Los campos no listados se reenvían sin cambios. Elija una familia de modelos para ver los valores y límites que indica su documentación.
model:obligatoriostring

Distingue mayúsculas, sin alias; tts-1 / tts-1-hd no se reconocen

Valoresspeech-2.8-hdspeech-2.8-turboseed-tts-2.0seed-audio-1.0seed-icl-2.0

input:obligatoriostring

Texto a sintetizar (el endpoint nativo /v1/t2a_v2 admite hasta 10000 caracteres)

Longitud1–4096 caracteres

voice:opcionalstring

ID de voz del sistema, ID de voz clonada o nombre de voz de OpenAI alloy, ash, ballad, cedar, coral, echo, fable, marin, nova, onyx, sage, shimmer, verse (los nombres de OpenAI usan la voz predeterminada). Predeterminado: Chinese (Mandarin)_News_Anchor si el texto contiene caracteres chinos; si no, English_expressive_narrator

response_format:opcionalstring

aac devuelve 400; opus es Ogg a 24 kHz

Valoresmp3opusflacwavpcm

Predeterminado"mp3"

speed:opcionalnumber

Fuera de rango devuelve 400; los valores dentro del rango se ajustan a 0.5–2

Rango0.25–4Predeterminado1

instructions:opcionalstring

Se acepta pero se ignora

Respuesta

200Bytes de audio. Content-Type sigue a response_format: audio/mpeg, audio/ogg, audio/flac, audio/wav, audio/pcm

Encabezados de respuesta

X-HopBase-Cost:opcionalstring

Cargo de esta solicitud en CNY (el mismo cargo que X-HopBase-Cost-USD), con hasta 6 decimales, por ejemplo 0.0816. Solo se envía cuando la solicitud genera un cargo; no se envía en respuestas en streaming (SSE). Si la generación de imágenes tarda más de unos 40 segundos, los encabezados ya se enviaron: lee usage.cost en el cuerpo

X-HopBase-Cost-USD:opcionalstring

Importe en USD realmente descontado del saldo por esta solicitud, el mismo que su registro de uso, con hasta 8 decimales, como 0.012; solo se envía junto con X-HopBase-Cost

X-HopBase-Currency:opcionalstring

Moneda de X-HopBase-Cost, siempre CNY

audio/mpeg Bytes de audio

Errores

400unknown field, input demasiado largo, speed fuera de rango, response_format no admitido; en la voz de Doubao, una voz inexistente devuelve unknown_voice. En seed-icl-2.0: sin voz clonada devuelve voice_required, una voz que aún se está creando o entrenando devuelve voice_not_ready y una voz cuyo entrenamiento falló devuelve voice_training_failed
401Falta la clave, la clave no es válida o ha caducado (missing_api_key / invalid_api_key / api_key_expired)
402Se agotó el saldo o la cuota de la clave, del miembro o del departamento (insufficient_quota)
404El modelo no está en el grupo de esta clave (model_not_found) o la ruta no pertenece a ese grupo (route_not_found)
413El cuerpo de la solicitud supera 60 MB (request_too_large)
429Se alcanzó el límite de concurrencia de la cuenta o de la clave (user_concurrency_limit / apikey_concurrency_limit), con Retry-After

Páginas relacionadas