MiniMax Speech 2.8 HD API リファレンス
400種類以上の声で高音質な音声、感情も調整可
PopNow の API キー 1 つで、MiniMax Speech 2.8 HD を自分のコードから呼び出せます。送るモデル ID、受け付ける入力フィールド、1 回あたりのクレジット、ターミナルに貼ってそのまま動くリクエストをこのページにまとめました。
パラメーターの説明はモデルの入力 schema から取っているため、英語のみです。
概要
- 開発元
- MiniMax
- 出力
- 音声
- 最安
- 18 クレジット 1,000 文字あたり ($0.18)
- 目安の所要時間
- 約 9 秒
1 クレジット = 0.01 米ドル。タスクの受付時に上限額を確保し、完了時に実際の使用量で精算します（整数クレジットに切り上げ、差額は返却）。失敗したタスクには課金されません。実行前に正確な金額を知りたいときは POST /api/v1/jobs/quote を呼んでください。
テキスト読み上げ
minimax/speech-2.8-hd/text-to-speech
料金
| オプション | クレジット (1,000 文字あたり) | 米ドル |
|---|---|---|
既定 | 18 | $0.18 |
パラメーター
| フィールド | 型 | 既定値 | 指定できる値 | 説明 |
|---|---|---|---|---|
text必須 | string | — | 5,000 文字まで | The words to be spoken, exactly as written. Sound tags such as (sighs) or (laughs) are performed. Billed per 1,000 characters. |
voice_id任意 | string | Calm_Woman | Wise_Woman, Friendly_Person, Inspirational_girl, Deep_Voice_Man, Calm_Woman, Casual_Guy, Lively_Girl, Patient_Man, Young_Knight, Determined_Man, Lovely_Girl, Decent_Boy, Imposing_Manner, Elegant_Man, … (+458) | System voice. The label shows the voice name and, where known, the language it is built for. |
emotion任意 | string | neutral | neutral, happy, sad, angry, fearful, disgusted, surprised | Emotion of the reading. |
speed任意 | number | 1 | 0.5〜2 | Speaking rate; 1 is the voice's normal pace. |
pitch任意 | integer | 0 | -12〜12 | Pitch shift in semitones; 0 keeps the voice's own pitch. |
volume任意 | number | 1 | 0.1〜10 | Loudness multiplier; 1 is the normal level. |
language任意 | string | auto | auto, zh, yue, en, ar, ru, es, fr, pt, de, tr, nl, uk, vi, … (+27) | Language hint that improves pronunciation; auto detects it from the text. |
output_format任意 | string | mp3 | mp3, wav, flac, pcm | File format of the result; pcm is headerless 16-bit little-endian samples. |
sample_rate任意 | integer | — | 8000, 16000, 22050, 24000, 32000, 44100 | Sample rate in Hz. The model uses 32000 when omitted. |
bitrate任意 | integer | — | 32000, 64000, 128000, 256000 | MP3 bitrate in bits per second; ignored for other formats. The model uses 128000 when omitted. |
audio_channels任意 | string | — | mono, stereo | Mono or stereo output. Mono when omitted. |
english_normalization任意 | boolean | false | — | Read numbers, dates and abbreviations in English text the way a person would say them. |
pronunciation_dict任意 | array<object> | — | 100 件まで | Custom pronunciations: each alias in the text is read as its pronunciation. |
リクエスト例
このリクエストはそのまま実行できます。省略したフィールドには既定値が入ります。先にキーを環境変数 POPNOW_API_KEY に設定してください。
curl -X POST "https://api.popnow.ai/api/v1/jobs/createTask?wait=60" \
-H "Authorization: Bearer $POPNOW_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "minimax/speech-2.8-hd/text-to-speech",
"input": {
"text": "Hi there! This voice was created with the PopNow API in just a few seconds."
}
}'レスポンスにはすぐに taskId が入ります。結果は GET /api/v1/jobs/recordInfo で取得するか、callBackUrl を付けて通知を受け取ります。
curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=TASK_ID_FROM_CREATE_TASK" \
-H "Authorization: Bearer $POPNOW_API_KEY"