建立語音
OpenAI 相容的語音合成(MiniMax Speech 2.8 HD / Turbo、豆包語音),回應直接是音訊位元組。
/v1/audio/speech把文字同步合成為音訊,回應就是音訊本身,沒有任務要輪詢。可直接套用 OpenAI SDK 的 audio.speech.create,只改 Base URL 與 model / voice。兩個語音模型屬於獨立分組 MiniMax 語音 官方直連,密鑰須包含該分組才能調用;可以把它加到已有的對話或影片密鑰上。
其他欄位一律回傳 400 unknown field,包括 stream_format、sample_rate、language_boost、voice_setting——需要它們以及串流輸出、複製音色,請用原生入口 POST /v1/t2a_v2,見語音合成指南。按字元計費:一個漢字計 2 個字元。
豆包語音 seed-tts-2.0(文字轉語音)與 seed-audio-1.0(依場景描述生成音訊)屬於獨立分組 豆包語音 雲廠商,只走本端點:input 按字元計,seed-tts-2.0 不超過 5000 字元、seed-audio-1.0 不超過 3000 字元,speed 為 0.5–2.0,response_format 兩款可選格式不同,失敗不計費。參數請在上方切換到「豆包語音」查看,詳見語音合成指南 · 豆包語音。
同一分組的豆包聲音複刻 seed-icl-2.0 也走本端點:先用建立複製音色複刻出 hbv_ 開頭的 voice_id,再把它填到 voice 合成;參數與上限同 seed-tts-2.0,按輸入字元計費,官方價 ¥3 / 萬字元。詳見豆包聲音複刻。
回應主體是音訊位元組,本次實際扣費只在回應標頭 X-HopBase-Cost / X-HopBase-Cost-USD / X-HopBase-Currency 回傳。詳見帳戶 API · 扣費。
請求標頭
Bearer sk-…:主控台「API 密鑰」中建立的密鑰,所屬分組須包含請求的模型
請求主體參數JSON
區分大小寫、無別名;tts-1 / tts-1-hd 不被識別
可選值speech-2.8-hdspeech-2.8-turboseed-tts-2.0seed-audio-1.0seed-icl-2.0
要合成的文字(原生入口 /v1/t2a_v2 上限 10000 字元)
長度1–4096 字元
系統音色 ID、複製音色 ID,或 OpenAI 音色名 alloy、ash、ballad、cedar、coral、echo、fable、marin、nova、onyx、sage、shimmer、verse(OpenAI 音色名落到預設音色)。預設:文字含漢字為 Chinese (Mandarin)_News_Anchor,否則 English_expressive_narrator
aac 回傳 400;opus 為 24 kHz 的 Ogg 封裝
可選值mp3opusflacwavpcm
預設"mp3"
超出範圍回傳 400;範圍內的值會被鉗到 0.5–2
範圍0.25–4預設1
接受但忽略
區分大小寫、無別名;tts-1 / tts-1-hd 不被識別
可選值speech-2.8-hdspeech-2.8-turbo
要合成的文字(原生入口 /v1/t2a_v2 上限 10000 字元)
長度1–4096 字元
系統音色 ID、複製音色 ID,或 OpenAI 音色名 alloy、ash、ballad、cedar、coral、echo、fable、marin、nova、onyx、sage、shimmer、verse(OpenAI 音色名落到預設音色)。預設:文字含漢字為 Chinese (Mandarin)_News_Anchor,否則 English_expressive_narrator
aac 回傳 400;opus 為 24 kHz 的 Ogg 封裝
可選值mp3opusflacwavpcm
預設"mp3"
超出範圍回傳 400;範圍內的值會被鉗到 0.5–2
範圍0.25–4預設1
接受但忽略
區分大小寫、無別名;tts-1 / tts-1-hd 不被識別
可選值seed-audio-1.0seed-icl-2.0seed-tts-2.0
按字元計(漢字也算 1 個):seed-tts-2.0 與 seed-icl-2.0 不超過 5000 字元,seed-audio-1.0 不超過 3000 字元;seed-audio-1.0 寫「場景描述 + 台詞」
長度1–5000 字元
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 不傳或傳 OpenAI 音色名(如 alloy)時依文字語言選預設:中文 zh_female_vv_uranus_bigtts,其他 en_female_dacey_uranus_bigtts;seed-audio-1.0 不傳或傳 OpenAI 音色名時由描述決定聲音。音色不存在回傳 400 unknown_voice。seed-icl-2.0 必須填 POST /v1/voice_clone 回傳的複刻音色 ID(hbv_ 開頭),不傳或傳其他音色回傳 400 voice_required;複刻音色配其他模型回傳 400 unknown_voice
seed-tts-2.0 與 seed-icl-2.0:mp3 / opus / aac / wav / pcm;seed-audio-1.0:mp3 / wav / pcm / flac;其他回傳 400
可選值mp3opusaacwavpcmflac
預設"mp3"
0.5–2.0,超出範圍回傳 400
範圍0.5–2預設1
接受但忽略
回傳
200音訊位元組。Content-Type 隨 response_format:audio/mpeg、audio/ogg、audio/flac、audio/wav、audio/pcm
回應標頭
本次請求扣費的人民幣金額(與 X-HopBase-Cost-USD 為同一筆扣費),最多 6 位小數,如 0.0816。只在本次產生扣費時回傳;串流(SSE)不回傳;生圖耗時約 40 秒以上時回應標頭已提前送出,以回應主體 usage.cost 為準
本次請求實際從餘額扣除的美元金額,與使用記錄裡這一筆相同,最多 8 位小數,如 0.012;只隨 X-HopBase-Cost 一起回傳
X-HopBase-Cost 的幣種,恆為 CNY
audio/mpeg 音訊位元組
錯誤
unknown field、input 超長、speed 越界、不支援的 response_format;豆包語音的音色不存在時為 unknown_voice。seed-icl-2.0:沒傳複刻音色為 voice_required,音色還在建立或訓練為 voice_not_ready,訓練失敗為 voice_training_failedmissing_api_key / invalid_api_key / api_key_expired)insufficient_quota)model_not_found),或路徑不屬於該分組(route_not_found)request_too_large)user_concurrency_limit / apikey_concurrency_limit),帶 Retry-After