跳到正文

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。

POST/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

Authorization:必填string

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

模型
未列出的欄位原樣轉發。選擇模型系列,查看該系列文件寫明的取值與限制。
model:必填string

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

input:必填string

要合成的文字(原生入口 /v1/t2a_v2 上限 10000 字元)

長度1–4096 字元

voice:選填string

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

response_format:選填string

aac 回傳 400;opus 為 24 kHz 的 Ogg 封裝

可選值mp3opusflacwavpcm

預設"mp3"

speed:選填number

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

instructions:選填string

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

X-HopBase-Cost:選填string

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

X-HopBase-Cost-USD:選填string

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-Currency:選填string

X-HopBase-Cost 的幣種,恆為 CNY

audio/mpeg 音訊位元組

錯誤

400unknown 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_failed
401沒帶密鑰、密鑰無效或已過期(missing_api_key / invalid_api_key / api_key_expired)
402餘額或密鑰 / 成員 / 部門額度用完(insufficient_quota)
404模型不在這把密鑰的分組裡(model_not_found),或路徑不屬於該分組(route_not_found)
413請求體超過 60 MB(request_too_large)
429帳戶或密鑰並行已達上限(user_concurrency_limit / apikey_concurrency_limit),帶 Retry-After

相關頁面