请求体 modelstring（必选） 模型名称。支持： MiniMax/speech-2.8-hd | MiniMax/speech-02-hd | MiniMax/speech-2.8-turbo | MiniMax/speech-02-turbo |
inputobject（必选） 属性 text string（必选） 待合成语音的文本。 长度限制小于 10000 字符，若文本长度大于 3000 字符，推荐使用流式输出。 stream_options object（可选） 流式输出的配置项，仅在请求头 X-DashScope-SSE: enable 时生效。 属性 exclude_aggregated_audio boolean（可选） 默认值为false 控制流式输出的合成结束帧中，audio 字段是否返回本次合成的完整音频（即此前所有合成中分块拼接后的整段 hex 数据）。 取值范围：
false：合成结束帧的 audio 字段返回所有分块拼接后的完整音频，客户端可在流结束时直接取用整段音频，无需自行拼接前面的分块。true：合成结束帧的 audio 字段为空字符串，整段音频需由客户端将此前所有合成中分块的 audio 按顺序自行拼接得到。可显著减少尾包体积与传输耗时，适用于客户端已经按 chunk 边接收边播放、或自行累积保存音频的场景。 说明该参数仅在流式输出场景下生效；非流式输出场景下设置无效。 voice_setting object（必选） 属性 voice_id string（必选） 设置音色ID。 若需要设置混合音色，请设置 timbre_weights 参数，本参数设置为空值。 speed float（可选） 默认值为1.0 设置语速。 取值范围：[0.5, 2.0]。 vol float（可选） 默认值为1.0 设置音量。 取值范围：(0.0, 10.0]。 pitch integer（可选） 默认值为0 设置音高。 取值范围：[-12, 12]。 emotion string（可选） 无默认值 设置情感。模型会根据输入文本自动匹配合适的情感，一般无需手动指定。 取值范围：
happy：高兴sad：悲伤angry：愤怒fearful：害怕disgusted：厌恶surprised：惊讶calm：中性whisper：低语 说明speech-2.8-hd, speech-2.8-turbo 模型不支持 whisper text_normalization boolean（可选） 默认值为false 是否启用中文、英语文本规范化，开启后可提升数字阅读场景的性能，但会略微增加延迟。 取值范围： latex_read boolean（可选） 默认值为false 是否启用朗读 LaTeX 公式的功能。 取值范围： 示例： x = 2 a − b ± b 2 − 4 a c 如上公式应表示为：$$x = \\frac{-b \\pm \\sqrt{b^2 - 4ac}}{2a}$$。 说明
- 仅支持中文，开启该功能后，
language_boost参数会被设置为Chinese。
- 请求中的公式需要在公式的首尾加上
$$。
- 请求中公式若有
"\"，需转义成 "\\"。
audio_setting object（可选） 属性 sample_rate integer（可选） 默认值为32000 设置生成的音频的采样率（单位为Hz）。 取值范围：
80001600022050240003200044100 bitrate integer（可选） 默认值为128000 设置生成的音频的码率（单位kbps）。 取值范围：
3200064000128000256000 说明该参数仅在format参数为mp3时生效。对于其他格式，该参数将被忽略。 format string（可选） 默认值为mp3 设置生成的音频的格式。 取值范围： channel integer（可选） 默认值为1 设置生成的音频的声道数。 取值范围： force_cbr boolean（可选） 默认值为false 是否以恒定码率进行音频编码。 取值范围： pronunciation_dict object（可选） 属性 tone string[]（可选） 定义需要特殊标注的文字或符号对应的注音或发音替换规则。
使用 / 作为分隔符。
在中文文本中，声调用数字表示：一声为 1，二声为 2，三声为 3，四声为 4，轻声为 5。 示例： ["燕少飞/(yan4)(shao3)(fei1)", "omg/oh my god"]
timbre_weights object[]（可选） 若需要设置混合音色，请对该参数进行设置。最多支持 4 种音色混合。 属性 voice_id string（必选） 设置音色ID。 weight integer（必选） 设置音色所占权重，必须与 voice_id 同步填写。单一音色取值占比越高，合成音色与该音色相似度越高。 取值范围：[1, 100]。 language_boost string（可选） 默认值为null 是否增强对指定的小语种和方言的识别能力。可设置为 auto 让模型自主判断。 取值范围（点击查看）：
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalianKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalayPersianSlovakSwedishCroatianFilipinoHungarianNorwegianSlovenianCatalanNynorskTamilAfrikaansauto voice_modify object（可选） 设置声音效果，该参数支持的音频格式： 属性 pitch integer（可选） 无默认值 设置音高（低沉/明亮）。 数值越低声音越低沉，数值越高声音越明亮。 取值范围：[-100, 100]。 intensity integer（可选） 无默认值 设置强度（力量感/柔和）。 数值越低声音越刚劲，数值越高声音越轻柔。 取值范围：[-100, 100]。 timbre integer（可选） 无默认值 设置音色明暗程度（磁性/清脆）。 数值越低声音越浑厚，数值越高声音越清脆。 取值范围：[-100, 100]。 sound_effects string（可选） 无默认值 设置音效。 取值范围：
spacious_echo：空旷回音auditorium_echo：礼堂广播lofi_telephone：电话失真robotic：电音 subtitle_enable boolean（可选） 默认值为false 是否开启字幕。 取值范围： 说明该参数仅在非流式输出场景下有效，且仅对 speech-2.8-hd, speech-2.8-turbo, speech-2.6-hd, speech-2.6-turbo, speech-02-hd, speech-02-turbo, speech-01-hd, speech-01-turbo 模型有效。 output_format string（可选） 默认值为hex 设置输出结果形式。 取值范围：
url：语音合成结果以URL形式返回，有效期为24小时hex：语音合成结果以二进制形式返回 说明该参数仅在非流式场景中生效（流式场景只返回hex形式）。 aigc_watermark boolean（可选） 默认值为false 是否在合成音频末尾添加 AIGC 隐性标识。 取值范围： | curl -X POST "https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "MiniMax/speech-2.8-hd",
"input": {
"text": "今天是不是很开心呀(laughs)，当然了！",
"voice_setting": {
"voice_id": "male-qn-qingse",
"speed": 1,
"vol": 1,
"pitch": 0,
"emotion": "happy"
},
"audio_setting": {
"sample_rate": 32000,
"bitrate": 128000,
"format": "mp3",
"channel": 1
},
"pronunciation_dict": {
"tone": [
"处理/(chu3)(li3)",
"危险/dangerous"
]
},
"subtitle_enable": false
}
}'
curl -X POST "https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "X-DashScope-SSE: enable" \
-d '{
"model": "MiniMax/speech-2.8-hd",
"input": {
"text": "今天是不是很开心呀(laughs)，当然了！",
"voice_setting": {
"voice_id": "male-qn-qingse",
"speed": 1,
"vol": 1,
"pitch": 0,
"emotion": "happy"
},
"audio_setting": {
"sample_rate": 32000,
"bitrate": 128000,
"format": "mp3",
"channel": 1
},
"pronunciation_dict": {
"tone": [
"处理/(chu3)(li3)",
"危险/dangerous"
]
},
"subtitle_enable": false
}
}'
|
