> ## Documentation Index
> Fetch the complete documentation index at: https://ppio.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# MiniMax Speech-02-hd 异步语音合成

该 API 支持基于文本到语音的异步生成，单次文本生成传输最大支持 100 万字符，生成的完整音频结果支持异步的方式进行检索。支持 100+系统音色、复刻音色自主选择；支持语调、语速、音量、比特率、采样率、输出格式自主调整。

提交长文本语音合成请求后，需要注意的是返回的 url 的有效期为自 url 返回开始的 24 个小时，请注意下载信息的时间。

<Tip>适用于整本书籍等长文本的语音生成，任务排队耗时可能会较长。短句生成、语音聊天、在线社交等场景，建议使用 [同步调用语音合成](/models/reference-minimax-speech-02-hd)。</Tip>

## 请求头

<ParamField header="Content-Type" type="string" required={true}>
  枚举值: `application/json`
</ParamField>

<ParamField header="Authorization" type="string" required={true}>
  Bearer 身份验证格式，例如：Bearer \{\{API 密钥}}。
</ParamField>

## 请求体

<ParamField body="text" type="string" required={true}>
  待合成的文本，限制最长 5 万字符。
</ParamField>

<ParamField body="voice_setting" type="object" required={true}>
  <Expandable title="properties">
    <ParamField body="speed" type="number" default={1.0}>
      范围\[0.5,2]，默认值为 1.0

      生成声音的语速，可选，取值越大，语速越快。
    </ParamField>

    <ParamField body="vol" type="number" default={1.0}>
      范围（0,10]，默认值为 1.0

      生成声音的音量，可选，取值越大，音量越高。
    </ParamField>

    <ParamField body="pitch" type="number" default={0}>
      范围\[-12,12]，默认值为 0

      生成声音的语调，可选，（0 为原音色输出，取值需为整数）。
    </ParamField>

    <ParamField body="voice_id" type="string">
      请求的音色编号。

      支持系统音色(id)以及复刻音色（id）两种类型，其中系统音色（ID）如下：

      * 青涩青年音色：`male-qn-qingse`
      * 精英青年音色：`male-qn-jingying`
      * 霸道青年音色：`male-qn-badao`
      * 青年大学生音色：`male-qn-daxuesheng`
      * 少女音色：`female-shaonv`
      * 御姐音色：`female-yujie`
      * 成熟女性音色：`female-chengshu`
      * 甜美女性音色：`female-tianmei`
      * 男性主持人：`presenter_male`
      * 女性主持人：`presenter_female`
      * 男性有声书 1：`audiobook_male_1`
      * 男性有声书 2：`audiobook_male_2`
      * 女性有声书 1：`audiobook_female_1`
      * 女性有声书 2：`audiobook_female_2`
      * 青涩青年音色-beta：`male-qn-qingse-jingpin`
      * 精英青年音色-beta：`male-qn-jingying-jingpin`
      * 霸道青年音色-beta：`male-qn-badao-jingpin`
      * 青年大学生音色-beta：`male-qn-daxuesheng-jingpin`
      * 少女音色-beta：`female-shaonv-jingpin`
      * 御姐音色-beta：`female-yujie-jingpin`
      * 成熟女性音色-beta：`female-chengshu-jingpin`
      * 甜美女性音色-beta：`female-tianmei-jingpin`
      * 聪明男童：`clever_boy`
      * 可爱男童：`cute_boy`
      * 萌萌女童：`lovely_girl`
      * 卡通猪小琪：`cartoon_pig`
      * 病娇弟弟：`bingjiao_didi`
      * 俊朗男友：`junlang_nanyou`
      * 纯真学弟：`chunzhen_xuedi`
      * 冷淡学长：`lengdan_xiongzhang`
      * 霸道少爷：`badao_shaoye`
      * 甜心小玲：`tianxin_xiaoling`
      * 俏皮萌妹：`qiaopi_mengmei`
      * 妩媚御姐：`wumei_yujie`
      * 嗲嗲学妹：`diadia_xuemei`
      * 淡雅学姐：`danya_xuejie`
      * Santa Claus：`Santa_Claus`
      * Grinch：`Grinch`
      * Rudolph：`Rudolph`
      * Arnold：`Arnold`
      * Charming Santa：`Charming_Santa`
      * Charming Lady：`Charming_Lady`
      * Sweet Girl：`Sweet_Girl`
      * Cute Elf：`Cute_Elf`
      * Attractive Girl：`Attractive_Girl`
      * Serene Woman：`Serene_Woman`
    </ParamField>

    <ParamField body="emotion" type="string">
      控制合成语音的情绪；

      当前支持 7 种情绪：高兴，悲伤，愤怒，害怕，厌恶，惊讶，中性；

      参数范围：`["happy", "sad", "angry", "fearful", "disgusted", "surprised", "neutral"]`
    </ParamField>

    <ParamField body="text_normalization" type="bool" default="false">
      该参数支持英语文本规范化，可提升数字阅读场景的性能，但会略微增加延迟。如果未提供，则默认值为 false。
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="audio_setting" type="object">
  <Expandable title="properties">
    <ParamField body="sample_rate" type="number" default={32000}>
      范围【8000，16000，22050，24000，32000，44100】

      生成声音的采样率。可选，默认为 32000。
    </ParamField>

    <ParamField body="bitrate" type="number" default={128000}>
      范围【32000，64000，128000，256000】

      生成声音的比特率。可选，默认值为 128000。该参数仅对 mp3 格式的音频生效。
    </ParamField>

    <ParamField body="format" type="string" default="mp3">
      生成的音频格式。默认 mp3。可选：`mp3`, `pcm`, `flac`, `wav`。wav 仅在非流式输出下支持。
    </ParamField>

    <ParamField body="channel" type="number" default={1}>
      生成音频的声道数.默认 1：单声道，可选：

      1：单声道

      2：双声道
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="pronunciation_dict" type="object">
  <Expandable title="properties">
    <ParamField body="tone" type="list">
      替换需要特殊标注的文字、符号及对应的注音。

      替换发音（调整声调/替换其他字符发音），格式如下：

      `["燕少飞/(yan4)(shao3)(fei1)","达菲/(da2)(fei1)"，"omg/oh my god"]`

      声调用数字代替，一声（阴平）为 1，二声（阳平）为 2，三声（上声）为 3，四声（去声）为 4），轻声为 5。
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="language_boost" type="string" default="null">
  增强对指定的小语种和方言的识别能力，设置后可以提升在指定小语种/方言场景下的语音表现。如果不明确小语种类型，则可以选择"auto"，模型将自主判断小语种类型。支持以下取值：

  `'Chinese', 'Chinese,Yue', 'English', 'Arabic', 'Russian', 'Spanish', 'French', 'Portuguese', 'German', 'Turkish', 'Dutch', 'Ukrainian', 'Vietnamese', 'Indonesian', 'Japanese', 'Italian', 'Korean', 'Thai', 'Polish', 'Romanian', 'Greek', 'Czech', 'Finnish', 'Hindi', 'Bulgarian', 'Danish', 'Hebrew', 'Malay', 'Persian', 'Slovak', 'Swedish', 'Croatian', 'Filipino', 'Hungarian', 'Norwegian', 'Slovenian', 'Catalan', 'Nynorsk', 'Tamil', 'Afrikaans', 'auto'`
</ParamField>

<ParamField body="voice_modify" type="object">
  声音效果器设置，该参数支持的音频格式：mp3, wav, flac

  <Expandable title="properties">
    <ParamField body="pitch" type="integer">
      音高调整（低沉/明亮），范围 \[-100,100]，数值接近 -100，声音更低沉；接近 100，声音更明亮
    </ParamField>

    <ParamField body="intensity" type="integer">
      强度调整（力量感/柔和），范围 \[-100,100]，数值接近 -100，声音更刚劲；接近 100，声音更轻柔
    </ParamField>

    <ParamField body="timbre" type="integer">
      音色调整（磁性/清脆），范围 \[-100,100]，数值接近 -100，声音更浑厚；数值接近 100，声音更清脆
    </ParamField>

    <ParamField body="sound_effects" type="string">
      音效设置，单次仅能选择一种，可选值：

      * `spacious_echo`（空旷回音）
      * `auditorium_echo`（礼堂广播）
      * `lofi_telephone`（电话失真）
      * `robotic`（电音）
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="aigc_watermark" type="boolean" required={false} default={false}>
  控制在合成音频的末尾添加音频节奏标识，默认值为 False。
</ParamField>

## 响应参数

<ResponseField name="task_id" type="string" required={true}>
  异步任务的 task\_id。您应该使用该 task\_id 请求 [查询任务结果 API](/models/reference-get-async-task-result) 以获取生成结果
</ResponseField>

## 示例

以下是如何使用 Minimax Speech-02-hd 异步请求 API 的示例。

1. 通过向 Minimax Speech-02-hd API 发送 POST 请求来生成 task\_id。

`请求：`

```bash theme={null}
curl \
-X POST https://api.ppio.com/v3/async/minimax-speech-02-hd \
-H "Authorization: Bearer $your_api_key" \
-H "Content-Type: application/json" \
-d '{
  "text": "近年来，人工智能在国内迎来高速发展期，技术创新与产业应用齐头并进。从基础的大模型研发到语音识别、图像处理、自然语言理解等关键技术突破，AI 正在深度赋能医疗、金融、制造、交通等多个领域。同时，政策支持和资本推动加速了技术落地，众多科技企业、创业团队和科研机构持续投入，形成了活跃的创新生态。AI 正逐步从实验室走向实际生产力，成为推动数字中国建设和经济高质量发展的重要引擎，未来发展潜力巨大。",
  "voice_setting": {
    "speed": 1.1,
    "voice_id": "male-qn-jingying",
    "emotion": "happy"
  }
}'
```

`响应:`

```js theme={null}
{
    "task_id": "{返回的 Task ID}"
}
```

2. 使用 task\_id 获取输出视频。
   2xx 范围内的 HTTP 状态码表示请求已成功接受，而 5xx 范围内的状态码表示内部服务器错误。
   您可以在响应的 audios 字段中获取音频 audio\_url。

`响应:`

```js theme={null}
{
  "extra": {},
  "task": {
    "task_id": "64af7aae-6fbe-41ca-87b8-2445fd8dba4a",
    "task_type": "MINIMAX_SPEECH_02_HD",
    "status": "TASK_STATUS_SUCCEED",
    "reason": "",
    "eta": 0,
    "progress_percent": 0
  },
  "images": [],
  "videos": [],
  "audios": [
    {
      "audio_url": "https://faas-minimax-video-1312767721.cos.ap-shanghai.myqcloud.com/test/288760077820325-fd8778e1-22f1-441e-b65c-5523720e55e4.mp3?q-sign-algorithm=sha1&q-ak=AKIDHOHvKVnrgHkyxhCTyOdeSjoiRxGPSJ0V&q-sign-time=1752052448%3B1752056048&q-key-time=1752052448%3B1752056048&q-header-list=host&q-url-param-list=&q-signature=fa6c73418a10aadcdec434cadcf2242af65fc170",
      "audio_url_ttl": "0",
      "audio_type": "mp3",
      "audio_metadata": null
    }
  ]
}
```

`音频文件:`

<video controls className="w-full h-12 m-t-4" src="https://static-ppinfra-com-1312767721.cos.ap-shanghai.myqcloud.com/docs/assets/minimax-speech-02-hd-result.mp3" />