创建克隆音色
用你的录音克隆出专属音色:MiniMax Speech 2.8 声音克隆,或豆包声音复刻 2.0(`seed-icl-2.0`)。
/v1/voice_cloneMiniMax 与豆包共用这个路径,HopBase 按请求体与密钥所属分组分派——两家的请求体与响应不同,在下方选择系列查看。同时使用两家时,建议各用一把密钥。
MiniMax Speech 2.8:传入第 1 步的 file_id 与你自己起的 voice_id,之后把 voice_id 填到 /v1/audio/speech 的 voice 或 /v1/t2a_v2 的 voice_setting.voice_id 即可合成。带上 text 与 model 可拿到试听音频:demo_audio 是 api.hop-base.com 上的下载链接,24 小时内有效;不传 text 时为空。上传与克隆免费。克隆费只收一次,在音色首次合成成功时一并扣除(使用记录明细多一项 voice_clone_activation);试听只按语音字符计费,不算首次使用。价格见价格页。克隆成功后源音频与示例音频自动删除,再次克隆须重新上传;克隆失败则保留文件,可换参数重试。克隆后 7 天内未用于合成的音色自动删除,且不收克隆费。
豆包声音复刻 2.0:请求体必须带 "model": "seed-icl-2.0",录音以 base64 放在 audio 里,返回 hbv_ 开头的 voice_id;合成时 /v1/audio/speech 的 model 填 seed-icl-2.0、voice 填它。测试期每个帐户最多保留 1 个复刻音色,想换声音先删除,或带上原 voice_id 重新训练;复刻音色名额满时返回 503 voice_capacity_full。计费:试听 demo_text 按 ¥3 / 万字符计,与合成同价;复刻本身不收费,目前不收复刻费;失败不计费。详见豆包声音复刻。
两家的音色都只属于你的帐户(企业帐户下由企业主名下成员的密钥共享),其他帐户即使知道 voice_id 也用不了。
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
第 1 步 purpose=voice_clone 上传返回的文件 ID,只能用一次
范围≥ 1
你自己起的音色名,帐户内唯一:由字母、数字、-、_ 组成,以字母开头,不以 - 或 _ 结尾
长度8–256 字符
示例片段
purpose=prompt_audio 上传返回的文件 ID
范围≥ 1
示例片段的逐字文本,以标点结尾
试听文本;传了会返回试听音频,按语音字符计费(不算首次使用)
长度≤ 1000 字符
传 text 时必填
可选值speech-2.8-hdspeech-2.8-turbo
与原生入口相同
可选值autoChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalianKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalayPersianSlovakSwedishCroatianFilipinoHungarianNorwegianSlovenianCatalanNynorskTamilAfrikaans
预期文本,用语音识别比对源音频
长度≤ 200 字符
text_validation 的通过阈值;官方默认 0.7
范围0–1
降噪
默认false
音量归一
默认false
AIGC 水印
默认false
固定为 seed-icl-2.0,必填;HopBase 按它把请求交给豆包声音复刻
可选值seed-icl-2.0
录音的 base64,或 data:audio/…;base64,…;解码后不超过 10 MB,格式为 wav / mp3 / ogg / m4a / aac / pcm
不传时按 data URI 的类型或文件头识别;pcm 须为 24 kHz 单声道,并且必须显式传
可选值wavmp3oggm4aaacpcm
录音的逐字文本;与录音差距大时复刻失败(400 audio_text_mismatch),没把握就不传
长度≤ 1000 字符
录音的语言代码
可选值zhenjaesidptdefrkoitthvirufilmsares-mxpt-brpltrsv
试听文本;传了会在响应里返回用新音色朗读的试听音频,按合成价计费
长度4–300 字符
复刻前先对录音降噪
你已有的复刻音色:传了就在这个音色上重新训练,覆盖原声音、voice_id 不变,消耗一次训练次数;不传则新建
返回
200克隆 / 复刻成功
输入是否触发敏感内容
敏感内容类型
试听音频下载链接,24 小时内有效;不传 text 时为空字符串
仅带试听时返回
试听计费字符数
试听音频时长,毫秒
成功时为 {"status_code": 0, "status_msg": "success"};错误不走这里,而是非 200 状态码加 error 对象
成功为 0
成功为 success
复刻音色 ID(hbv_ 开头),合成时填到 /v1/audio/speech 的 voice
ready 可以合成;training 还在训练,稍后再查;failed 训练失败,可带上 voice_id 重新训练或删除
可选值readytrainingfailed
录音语言代码
这个音色还能训练的次数(每个音色共 15 次);用完后只能删除再复刻
创建时间,Unix 秒
只在传了 demo_text 时返回:试听音频的 base64
试听音频格式,如 wav
错误
file_id 已用过或已过期、voice_id 不合规或已被占用、音频时长超出范围、text_validation 比对未通过、text 超长、传 text 缺 model、未知字段等。豆包:voice_limit_reached(已有 1 个复刻音色)、audio_text_mismatch(录音与 text 不符)、invalid_audio(录音被拒)、no_trainings_left(训练次数用完)、unknown_voice(重训的 voice_id 不存在);缺 model、audio 不合规、demo_text 长度不对等参数错误不带 codemissing_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)voice_clone_in_progress,同一帐户的另一个复刻或删除请求还没结束,等它结束后再发request body is too large),豆包 16 MiBvoice cloning is temporarily unavailable、voice registry is temporarily unavailable; please retry;豆包 voice_capacity_full(复刻音色名额暂满)、voice_unavailable、voice_registry_unavailable