MiniMax Speech 2.8 HD: dokumentacja API

Jednym kluczem API PopNow wywołasz MiniMax Speech 2.8 HD z własnego kodu. Znajdziesz tu identyfikatory modelu, które trzeba wysłać, każde pole wejściowe, koszt zapytania w kredytach i gotowe zapytanie do wklejenia w terminalu.

Opisy parametrów pochodzą ze schematu wejściowego modelu i są dostępne tylko po angielsku.

W skrócie

Twórca: MiniMax
Wynik: Audio
Od: 18 kr. za 1000 znaków ($0.18)
Typowy czas: ok. 9 s
Identyfikatory modelu: minimax/speech-2.8-hd/text-to-speech

1 kredyt = 0,01 USD. Po przyjęciu zadanie blokuje najwyższą możliwą kwotę, a na koniec rozlicza faktyczne zużycie, zaokrąglone w górę do pełnych kredytów; resztę zwalnia. Za zadania zakończone błędem nie płacisz. Dokładną kwotę przed uruchomieniem poda POST /api/v1/jobs/quote.

Tekst na mowę

minimax/speech-2.8-hd/text-to-speech

Cena

Opcja	Kredyty (za 1000 znaków)	Dolary USA
`Domyślnie`	18	$0.18

Parametry

Pole	Typ	Domyślnie	Dozwolone wartości	Do czego służy
`text`Wymagane	`string`	—	do 5000 znaków	The words to be spoken, exactly as written. Sound tags such as (sighs) or (laughs) are performed. Billed per 1,000 characters.
`voice_id`Opcjonalne	`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`Opcjonalne	`string`	`neutral`	neutral, happy, sad, angry, fearful, disgusted, surprised	Emotion of the reading.
`speed`Opcjonalne	`number`	`1`	od 0.5 do 2	Speaking rate; 1 is the voice's normal pace.
`pitch`Opcjonalne	`integer`	`0`	od -12 do 12	Pitch shift in semitones; 0 keeps the voice's own pitch.
`volume`Opcjonalne	`number`	`1`	od 0.1 do 10	Loudness multiplier; 1 is the normal level.
`language`Opcjonalne	`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`Opcjonalne	`string`	`mp3`	mp3, wav, flac, pcm	File format of the result; pcm is headerless 16-bit little-endian samples.
`sample_rate`Opcjonalne	`integer`	—	8000, 16000, 22050, 24000, 32000, 44100	Sample rate in Hz. The model uses 32000 when omitted.
`bitrate`Opcjonalne	`integer`	—	32000, 64000, 128000, 256000	MP3 bitrate in bits per second; ignored for other formats. The model uses 128000 when omitted.
`audio_channels`Opcjonalne	`string`	—	mono, stereo	Mono or stereo output. Mono when omitted.
`english_normalization`Opcjonalne	`boolean`	`false`	—	Read numbers, dates and abbreviations in English text the way a person would say them.
`pronunciation_dict`Opcjonalne	`array<object>`	—	do 100 elementów	Custom pronunciations: each alias in the text is read as its pronunciation.

Przykładowe zapytanie

To zapytanie działa w obecnej postaci; pominięte pola mają wartości domyślne. Najpierw zapisz klucz w zmiennej POPNOW_API_KEY.

POST /api/v1/jobs/createTask?wait=60

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."
  }
}'

Odpowiedź od razu zawiera taskId. Wynik pobierzesz przez GET /api/v1/jobs/recordInfo albo dodaj callBackUrl, by dostać powiadomienie.

GET /api/v1/jobs/recordInfo

curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=TASK_ID_FROM_CREATE_TASK" \
  -H "Authorization: Bearer $POPNOW_API_KEY"