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.
/v1/audio/speechConvierte 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
Bearer sk-…: una clave de API creada en la consola; su grupo debe incluir el modelo solicitado
Parámetros del cuerpoJSON
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
Texto a sintetizar (el endpoint nativo /v1/t2a_v2 admite hasta 10000 caracteres)
Longitud1–4096 caracteres
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
aac devuelve 400; opus es Ogg a 24 kHz
Valoresmp3opusflacwavpcm
Predeterminado"mp3"
Fuera de rango devuelve 400; los valores dentro del rango se ajustan a 0.5–2
Rango0.25–4Predeterminado1
Se acepta pero se ignora
Distingue mayúsculas, sin alias; tts-1 / tts-1-hd no se reconocen
Valoresspeech-2.8-hdspeech-2.8-turbo
Texto a sintetizar (el endpoint nativo /v1/t2a_v2 admite hasta 10000 caracteres)
Longitud1–4096 caracteres
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
aac devuelve 400; opus es Ogg a 24 kHz
Valoresmp3opusflacwavpcm
Predeterminado"mp3"
Fuera de rango devuelve 400; los valores dentro del rango se ajustan a 0.5–2
Rango0.25–4Predeterminado1
Se acepta pero se ignora
Distingue mayúsculas, sin alias; tts-1 / tts-1-hd no se reconocen
Valoresseed-audio-1.0seed-icl-2.0seed-tts-2.0
Se cuenta en caracteres (un carácter chino cuenta como 1): como máximo 5.000 en seed-tts-2.0 y seed-icl-2.0, y 3.000 en seed-audio-1.0; en seed-audio-1.0, escriba "descripción de la escena + diálogos"
Longitud1–5000 caracteres
ID de voz de Doubao, como zh_female_vv_uranus_bigtts, zh_male_m191_uranus_bigtts, en_female_dacey_uranus_bigtts. En seed-tts-2.0, si se omite o se envía un nombre de voz de OpenAI (como alloy), la voz por defecto depende del idioma del texto: zh_female_vv_uranus_bigtts para chino y en_female_dacey_uranus_bigtts para los demás; en seed-audio-1.0, si se omite o se envía un nombre de voz de OpenAI, la voz la decide la descripción. Una voz inexistente devuelve 400 unknown_voice. seed-icl-2.0 exige el ID de voz clonada (empieza por hbv_) que devuelve POST /v1/voice_clone; si se omite o se envía otra voz devuelve 400 voice_required, y una voz clonada con cualquier otro modelo devuelve 400 unknown_voice
seed-tts-2.0 y seed-icl-2.0: mp3 / opus / aac / wav / pcm; seed-audio-1.0: mp3 / wav / pcm / flac; cualquier otro devuelve 400
Valoresmp3opusaacwavpcmflac
Predeterminado"mp3"
De 0.5 a 2.0; los valores fuera de rango devuelven 400
Rango0.5–2Predeterminado1
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
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
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
Moneda de X-HopBase-Cost, siempre CNY
audio/mpeg Bytes de audio
Errores
unknown 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_failedmissing_api_key / invalid_api_key / api_key_expired)insufficient_quota)model_not_found) o la ruta no pertenece a ese grupo (route_not_found)request_too_large)user_concurrency_limit / apikey_concurrency_limit), con Retry-After