MiniMax Speech 2.8 语音合成 API
speech-2.8-hd 高保真与 speech-2.8-turbo 极速两个版本,按字符计费,OpenAI 兼容的 /v1/audio/speech 接口一行代码接入。
MiniMax Speech 2.8 语音合成
Speech 2.8 是 MiniMax 最新一代文本转语音(TTS)模型,提供两个版本:speech-2.8-hd 追求高保真音质与细腻的情感表达,适合有声书、配音与广告;speech-2.8-turbo 以更低延迟与更低价格适合实时对话、客服播报与批量生成。两者都支持中英日韩等多语言与丰富的官方音色。
MiniMax 语音合成 API 价格
| 模型 | 定位 | 价格 |
|---|---|---|
| speech-2.8-hd | 高保真 | $0.5224 / 万字符($52.24 / 百万字符) |
| speech-2.8-turbo | 极速 | $0.2985 / 万字符($29.85 / 百万字符) |
按输入文本的字符数计费,中英文均按一个字符计一次。例如合成一篇 2,000 字的文章,turbo 版约 $0.06,hd 版约 $0.10。
快速开始(OpenAI 兼容 /v1/audio/speech)
curl
curl https://yiduochan.com/v1/audio/speech \
-H "Authorization: Bearer $YIDUOCHAN_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "speech-2.8-turbo",
"input": "你好,欢迎使用 MiniMax 语音合成服务。",
"voice": "male-qn-qingse",
"response_format": "mp3"
}' --output speech.mp3
Python(OpenAI SDK)
from openai import OpenAI
client = OpenAI(base_url="https://yiduochan.com/v1", api_key="YIDUOCHAN_API_KEY")
with client.audio.speech.with_streaming_response.create(
model="speech-2.8-hd",
voice="female-shaonv",
input="你好,欢迎使用 MiniMax 语音合成服务。",
response_format="wav",
) as response:
response.stream_to_file("speech.wav")
参数说明
| 参数 | 说明 |
|---|---|
model | speech-2.8-hd 或 speech-2.8-turbo |
input | 要合成的文本,按字符计费 |
voice | MiniMax 音色 ID,例如 male-qn-qingse、female-shaonv、English_expressive_narrator |
response_format | mp3、wav、flac、pcm,默认 mp3 |
speed | 语速,0.5 到 2.0 |
metadata | 透传 MiniMax 专有参数,例如 voice_setting.emotion、audio_setting.sample_rate |
适用场景
- 有声书、播客与视频配音的批量生成。
- 智能客服、语音助手的实时播报。
- 多语言内容本地化,一段文本合成多种语言与音色。
常见问题
MiniMax 语音合成 API 怎么计费?
按输入文本的字符数计费,speech-2.8-hd 为 $0.5224 每万字符,speech-2.8-turbo 为 $0.2985 每万字符,合成失败不收费。
speech-2.8-hd 和 speech-2.8-turbo 怎么选?
追求音质与情感表现选 hd,适合配音、有声书;追求低延迟与低成本选 turbo,适合实时对话与大批量生成。
支持哪些音频格式?
通过 response_format 可以选择 mp3、wav、flac 或 pcm,接口直接返回音频二进制,可以保存为文件或流式播放。
可以用 OpenAI SDK 调用吗?
可以,接口与 OpenAI 的 /v1/audio/speech 完全兼容,只需把 base_url 改为 https://yiduochan.com/v1,voice 填 MiniMax 的音色 ID。
支持音色克隆吗?
音色克隆与音色设计属于 MiniMax 平台的独立能力,目前不通过本站接口提供,合成接口可使用 MiniMax 官方全部预置音色。