> ## 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 2.8 Turbo 异步语音合成

MiniMax 异步语音合成 API，支持多种音色、情绪、语速等参数设置，文本长度限制最长 5 万字符，支持文件输入（最长 10 万字符）

<Tip>
  这是一个**异步**API，只会返回异步任务的 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) 来检索视频生成结果。
</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">
  待合成音频的文本，限制最长 5 万字符。和 `text_file_id` 二选一必填<br /><br />• 语气词标签：仅当模型选择 `speech-2.8-hd` 或 `speech-2.8-turbo` 时，支持在文本中插入语气词标签。支持的语气词：`(laughs)`（笑声）、`(chuckle)`（轻笑）、`(coughs)`（咳嗽）、`(clear-throat)`（清嗓子）、`(groans)`（呻吟）、`(breath)`（正常换气）、`(pant)`（喘气）、`(inhale)`（吸气）、`(exhale)`（呼气）、`(gasps)`（倒吸气）、`(sniffs)`（吸鼻子）、`(sighs)`（叹气）、`(snorts)`（喷鼻息）、`(burps)`（打嗝）、`(lip-smacking)`（咂嘴）、`(humming)`（哼唱）、`(hissing)`（嘶嘶声）、`(emm)`（嗯）、`(whistles)`（口哨）、`(sneezes)`（喷嚏）、`(crying)`（抽泣）、`(applause)`（鼓掌）
</ParamField>

<ParamField body="text_file_id" type="integer">
  待合成音频的文本文件 id，单个文件长度限制小于 10 万字符，支持的文件格式：txt、zip。和 `text` 二选一必填，传入后自动校验格式。<br />• **txt 文件**：长度限制 \<100,000 字符。支持使用 `&lt;#x#&gt;` 标记自定义停顿。x 为停顿时长（单位：秒），范围 \[0.01,99.99]，最多保留两位小数。注意停顿需设置在两个可以语音发音的文本之间，不可连续使用多个停顿标记<br />• **zip 文件**：<br />• 压缩包内需包含同一格式的 txt 或 json 文件。<br />• json 文件格式：支持 \[`title`, `content`, `extra`] 三个字段，分别表示标题、正文、附加信息。若三个字段都存在，则产出 3 组结果，共 9 个文件，统一存放在一个文件夹中。若某字段不存在或内容为空，则该字段不会生成对应结果
</ParamField>

<ParamField body="voice_modify" type="object">
  <Expandable title="properties" defaultOpen={true}>
    <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

      取值范围：\[-100, 100]
    </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

      取值范围：\[-100, 100]
    </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

      取值范围：\[-100, 100]
    </ParamField>

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

      1. spacious\_echo（空旷回音）
      2. auditorium\_echo（礼堂广播）
      3. lofi\_telephone（电话失真）
      4. robotic（电音）

      可选值：`spacious_echo`, `auditorium_echo`, `lofi_telephone`, `robotic`
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="audio_setting" type="object">
  <Expandable title="properties" defaultOpen={true}>
    <ParamField body="format" type="string" default="mp3">
      生成音频的格式。可选范围\[mp3, pcm, flac]，默认值为 `mp3`

      可选值：`mp3`, `pcm`, `flac`
    </ParamField>

    <ParamField body="bitrate" type="integer" default={128000}>
      生成音频的比特率。可选范围 \[32000, 64000, 128000, 256000]，默认值为 `128000`。该参数仅对 `mp3` 格式的音频生效
    </ParamField>

    <ParamField body="channel" type="integer" default={2}>
      生成音频的声道数。可选范围：\[1, 2]，其中 `1` 为单声道，`2` 为双声道，默认值为 1
    </ParamField>

    <ParamField body="audio_sample_rate" type="integer" default={32000}>
      生成音频的采样率。可选范围 \[8000, 16000, 22050, 24000, 32000, 44100]，默认为 `32000`
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="voice_setting" type="object" required={true}>
  <Expandable title="properties" defaultOpen={true}>
    <ParamField body="vol" type="number" default={1}>
      合成音频的音量，取值越大，音量越高。取值范围 (0, 10]，默认值为 1.0

      取值范围：\[0, 10]
    </ParamField>

    <ParamField body="pitch" type="integer" default={0}>
      合成音频的语调，取值范围 \[-12, 12]，默认值为 0，其中 0 为原音色输出

      取值范围：\[-12, 12]
    </ParamField>

    <ParamField body="speed" type="number" default={1}>
      合成音频的语速，取值越大，语速越快。取值范围 \[0.5, 2]，默认值为1.0

      取值范围：\[0.5, 2]
    </ParamField>

    <ParamField body="emotion" type="string">
      控制合成语音的情绪，参数范围 \["happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent", "whisper"]，分别对应 8 种情绪：高兴，悲伤，愤怒，害怕，厌恶，惊讶，中性，生动，低语
      <br />• 模型会根据输入文本自动匹配合适的情绪，一般无需手动指定\
      <br />• 该参数仅对 `speech-2.6-hd`, `speech-2.6-turbo`, `speech-02-hd`, `speech-02-turbo`, `speech-01-hd`, `speech-01-turbo` 模型生效
      <br />• 选项 `fluent`, `whisper` 仅对 `speech-2.6-turbo`, `speech-2.6-hd` 模型生效

      可选值：`happy`, `sad`, `angry`, `fearful`, `disgusted`, `surprised`, `calm`, `fluent`, `whisper`
    </ParamField>

    <ParamField body="voice_id" type="string" required={true}>
      合成音频的音色编号。若需要设置混合音色，请设置 timber\_weights 参数，本参数设置为空值。支持系统音色、复刻音色以及文生音色三种类型，以下是部分最新的系统音色（ID），可查看官方支持的全部音色
      <br />• **中文**:<br />• moss\_audio\_ce44fc67-7ce3-11f0-8de5-96e35d26fb85<br />• moss\_audio\_aaa1346a-7ce7-11f0-8e61-2e6e3c7ee85d<br />• Chinese (Mandarin)\_Lyrical\_Voice<br />• Chinese (Mandarin)\_HK\_Flight\_Attendant<br />• 英文:<br />• English\_Graceful\_Lady<br />• English\_Insightful\_Speaker<br />• English\_radiant\_girl<br />• English\_Persuasive\_Man<br />• moss\_audio\_6dc281eb-713c-11f0-a447-9613c873494c<br />• moss\_audio\_570551b1-735c-11f0-b236-0adeeecad052<br />• moss\_audio\_ad5baf92-735f-11f0-8263-fe5a2fe98ec8<br />• English\_Lucky\_Robot<br />• 日文:<br />• Japanese\_Whisper\_Belle<br />• moss\_audio\_24875c4a-7be4-11f0-9359-4e72c55db738<br />• moss\_audio\_7f4ee608-78ea-11f0-bb73-1e2a4cfcd245<br />• moss\_audio\_c1a6a3ac-7be6-11f0-8e8e-36b92fbb4f95
    </ParamField>

    <ParamField body="english_normalization" type="boolean" default={false}>
      支持英语文本规范化，开启后可提升数字阅读场景的性能，但会略微增加延迟，默认 false
    </ParamField>
  </Expandable>
</ParamField>

<ParamField body="aigc_watermark" type="boolean" 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。该参数仅对非流式合成生效
</ParamField>

<ParamField body="language_boost" type="string">
  是否增强对指定的小语种和方言的识别能力。默认值为 `null`，可设置为 `auto` 让模型自主判断。

  可选值：`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="continuous_sound" type="boolean" default={false}>
  启用该参数，使得子句衔接处更自然，仅支持 `speech-2.8-hd` 和 `speech-2.8-turbo` 模型
</ParamField>

<ParamField body="pronunciation_dict" type="object">
  <Expandable title="properties" defaultOpen={true}>
    <ParamField body="tone" type="array">
      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。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`
      示例如下：
      \["燕少飞/(yan4)(shao3)(fei1)", "omg/oh my god"]
    </ParamField>
  </Expandable>
</ParamField>

## 响应

<ResponseField name="file_id" type="integer">
  任务创建成功后返回的对应音频文件的 ID。<br /><br />• 当任务完成后，可通过 file\_id 查询。当请求出错时，不返回该字段

  注意：返回的下载 URL 自生成起 9 小时（32400 秒）内有效，过期后文件将失效，生成的信息便会丢失，请注意下载信息的时间
</ResponseField>

<ResponseField name="task_id" type="string">
  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>

<ResponseField name="base_resp" type="object">
  <Expandable title="properties" defaultOpen={true}>
    <ResponseField name="status_msg" type="string" required={true}>
      状态详情
    </ResponseField>

    <ResponseField name="status_code" type="integer" required={true}>
      状态码<br /><br />• `0`: 正常<br />• `1002`: 限流<br />• `1004`: 鉴权失败<br />• `1039`: 触发 TPM 限流<br />• `1042`: 非法字符超10%<br />• `2013`: 参数错误
    </ResponseField>
  </Expandable>
</ResponseField>

<ResponseField name="task_token" type="string">
  完成当前任务使用的密钥信息
</ResponseField>

<ResponseField name="usage_characters" type="integer">
  计费字符数
</ResponseField>