创建语音
OpenAI 兼容的语音合成(MiniMax Speech 2.8 HD / Turbo、豆包语音),响应直接是音频字节。
/v1/audio/speech把文本同步合成为音频,响应就是音频本身,没有任务要轮询。可直接套用 OpenAI SDK 的 audio.speech.create,只改 Base URL 与 model / voice。两个语音模型属于独立分组 MiniMax 语音 官方直连,密钥须包含该分组才能调用;可以把它加到已有的对话或视频密钥上。
其他字段一律返回 400 unknown field,包括 stream_format、sample_rate、language_boost、voice_setting——需要它们以及流式输出、克隆音色,请用原生入口 POST /v1/t2a_v2,见语音合成指南。按字符计费:一个汉字计 2 个字符。
豆包语音 seed-tts-2.0(文本转语音)与 seed-audio-1.0(按场景描述生成音频)属于独立分组 豆包语音 云厂商,只走本端点:input 按字符计,seed-tts-2.0 不超过 5000 字符、seed-audio-1.0 不超过 3000 字符,speed 为 0.5–2.0,response_format 两款可选格式不同,失败不计费。参数在上方切换到「豆包语音」查看,详见语音合成指南 · 豆包语音。
同一分组的豆包声音复刻 seed-icl-2.0 也走本端点:先用创建克隆音色复刻出 hbv_ 开头的 voice_id,再把它填到 voice 合成;参数与上限同 seed-tts-2.0,按输入字符计费,官方价 ¥3 / 万字符。详见豆包声音复刻。
响应体是音频字节,本次实际扣费只在响应头 X-HopBase-Cost / X-HopBase-Cost-USD / X-HopBase-Currency 返回。详见账户 API · 扣费。
请求头
Bearer sk-…:控制台「API 密钥」里创建的密钥,所属分组须包含请求的模型
请求体参数JSON
区分大小写、无别名;tts-1 / tts-1-hd 不被识别
可选值speech-2.8-hdspeech-2.8-turboseed-tts-2.0seed-audio-1.0seed-icl-2.0
要合成的文本(原生入口 /v1/t2a_v2 上限 10000 字符)
长度1–4096 字符
系统音色 ID、克隆音色 ID,或 OpenAI 音色名 alloy、ash、ballad、cedar、coral、echo、fable、marin、nova、onyx、sage、shimmer、verse(OpenAI 音色名落到默认音色)。默认:文本含汉字为 Chinese (Mandarin)_News_Anchor,否则 English_expressive_narrator
aac 返回 400;opus 为 24 kHz 的 Ogg 封装
可选值mp3opusflacwavpcm
默认"mp3"
超出范围返回 400;范围内的值会被钳到 0.5–2
范围0.25–4默认1
接受但忽略
区分大小写、无别名;tts-1 / tts-1-hd 不被识别
可选值speech-2.8-hdspeech-2.8-turbo
要合成的文本(原生入口 /v1/t2a_v2 上限 10000 字符)
长度1–4096 字符
系统音色 ID、克隆音色 ID,或 OpenAI 音色名 alloy、ash、ballad、cedar、coral、echo、fable、marin、nova、onyx、sage、shimmer、verse(OpenAI 音色名落到默认音色)。默认:文本含汉字为 Chinese (Mandarin)_News_Anchor,否则 English_expressive_narrator
aac 返回 400;opus 为 24 kHz 的 Ogg 封装
可选值mp3opusflacwavpcm
默认"mp3"
超出范围返回 400;范围内的值会被钳到 0.5–2
范围0.25–4默认1
接受但忽略
区分大小写、无别名;tts-1 / tts-1-hd 不被识别
可选值seed-audio-1.0seed-icl-2.0seed-tts-2.0
按字符计(汉字也算 1 个):seed-tts-2.0 与 seed-icl-2.0 不超过 5000 字符,seed-audio-1.0 不超过 3000 字符;seed-audio-1.0 写「场景描述 + 台词」
长度1–5000 字符
豆包音色 ID,如 zh_female_vv_uranus_bigtts、zh_male_m191_uranus_bigtts、en_female_dacey_uranus_bigtts。seed-tts-2.0 不传或传 OpenAI 音色名(如 alloy)时按文本语言选默认:中文 zh_female_vv_uranus_bigtts,其他 en_female_dacey_uranus_bigtts;seed-audio-1.0 不传或传 OpenAI 音色名时由描述决定声音。音色不存在返回 400 unknown_voice。seed-icl-2.0 必须填 POST /v1/voice_clone 返回的复刻音色 ID(hbv_ 开头),不传或传其他音色返回 400 voice_required;复刻音色配其他模型返回 400 unknown_voice
seed-tts-2.0 与 seed-icl-2.0:mp3 / opus / aac / wav / pcm;seed-audio-1.0:mp3 / wav / pcm / flac;其他返回 400
可选值mp3opusaacwavpcmflac
默认"mp3"
0.5–2.0,超出范围返回 400
范围0.5–2默认1
接受但忽略
返回
200音频字节。Content-Type 随 response_format:audio/mpeg、audio/ogg、audio/flac、audio/wav、audio/pcm
响应头
本次请求扣费的人民币金额(与 X-HopBase-Cost-USD 为同一笔扣费),最多 6 位小数,如 0.0816。只在本次产生扣费时返回;流式(SSE)不返回;生图耗时约 40 秒以上时响应头已提前发出,以响应体 usage.cost 为准
本次请求实际从余额扣除的美元金额,与使用记录里这一条相同,最多 8 位小数,如 0.012;只随 X-HopBase-Cost 一起返回
X-HopBase-Cost 的币种,恒为 CNY
audio/mpeg 音频字节
错误
unknown field、input 超长、speed 越界、不支持的 response_format;豆包语音的音色不存在时为 unknown_voice。seed-icl-2.0:没传复刻音色为 voice_required,音色还在创建或训练为 voice_not_ready,训练失败为 voice_training_failedmissing_api_key / invalid_api_key / api_key_expired)insufficient_quota)model_not_found),或路径不属于该分组(route_not_found)request_too_large)user_concurrency_limit / apikey_concurrency_limit),带 Retry-After