创建异步语音合成任务

OpenAPI Specification

异步语音合成：提交文本或文本文件与音色等参数，立即返回任务 ID；任务完成后可凭返回的文件 ID 调用文件检索接口下载音频。

请求方式：POST

接口地址

text

https://api.allyang.cn/minimax/v1/t2a_async_v2

请求头

Content-Type（必填）：请求体类型，按本页标注填写。（示例：application/json）
Authorization（可选）：鉴权头，使用控制台创建的令牌，格式为 Bearer + 令牌。（示例：Bearer {{YOUR_API_KEY}}）

请求参数（application/json）

model（string，必填）：模型版本，可选 speech-2.6-hd、speech-2.6-turbo、speech-02-hd、speech-02-turbo、speech-01-hd、speech-01-turbo。
text（string，必填）：待合成的文本，最长 5 万字符；与 text_file_id 二选一必填。
language_boost（string，可选）：是否增强指定小语种/方言的识别，缺省 null；可设为 auto 由模型自行判断。可选：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。
voice_setting（object，必填）
- voice_id（string，必填）：合成所用音色编号。
- speed（number，可选）：语速，取值越大语速越快，范围 [0.5,2]，缺省 1.0。
- vol（number，可选）：音量，取值越大音量越高，范围 (0,10]，缺省 1.0。
- pitch（integer，可选）：语调，范围 [-12,12]，缺省 0（即原音色输出）。
pronunciation_dict（object，可选）
- tone（array，可选）：特殊发音替换规则，可为指定文字/符号标注注音。中文声调用数字表示：一声 1、二声 2、三声 3、四声 4、轻声 5。示例：["燕少飞/(yan4)(shao3)(fei1)", "omg/oh my god"]。
audio_setting（object，可选）
- audio_sample_rate（integer，可选）：采样率，可选 8000、16000、22050、24000、32000、44100，缺省 32000。
- bitrate（integer，可选）：比特率，可选 32000、64000、128000、256000，缺省 128000；仅对 mp3 格式生效。
- format（string，可选）：输出格式，可选 mp3、pcm、flac，缺省 mp3。
- channel（integer，可选）：声道数，可选 1（单声道）或 2（双声道），缺省 1。
voice_modify（object，可选）：音效处理器参数集合。
- pitch（integer，可选）：音高调整（低沉/明亮），范围 [-100,100]；越接近 -100 越低沉，越接近 100 越明亮。
- intensity（integer，可选）：强度调整（刚劲/轻柔），范围 [-100,100]；越接近 -100 越刚劲，越接近 100 越轻柔。
- timbre（integer，可选）：音色调整（浑厚/清脆），范围 [-100,100]；越接近 -100 越浑厚，越接近 100 越清脆。
- sound_effects（string，可选）：音效设置，单次仅可选一种：spacious_echo（空旷回音）、auditorium_echo（礼堂广播）、lofi_telephone（电话失真）、robotic（电音）。
text_file_id（integer，必填）：待合成的文本文件，与 text 二选一必填。文件长度 <10 万字符，支持 txt、zip。txt 可用 <#x#> 标记停顿，x 为停顿时长（秒），范围 [0.01,99.99]，最多两位小数，且需置于两个可发音文本之间、不可连续使用。zip 内需为同一格式的 txt 或 json；json 支持 [title, content, extra] 三个字段，三者齐全时产出 3 组共 9 个文件并存于同一目录，字段缺失或为空则不产出对应结果。
aigc_watermark（boolean，可选）：是否在合成音频末尾添加节奏标识，缺省 False；仅对非流式合成生效。

请求示例

json

{
  "model": "speech-2.6-hd",
  "text": "真正的危险不是计算机开始像人一样思考，而是人开始像计算机一样思考。计算机只是可以帮我们处理一些简单事务。",
  "language_boost": "auto",
  "voice_setting": {
    "voice_id": "audiobook_male_1",
    "speed": 1,
    "vol": 1,
    "pitch": 1
  },
  "pronunciation_dict": {
    "tone": [
      "危险/dangerous"
    ]
  },
  "audio_setting": {
    "audio_sample_rate": 32000,
    "bitrate": 128000,
    "format": "mp3",
    "channel": 2
  },
  "voice_modify": {
    "pitch": 0,
    "intensity": 0,
    "timbre": 0,
    "sound_effects": "spacious_echo"
  }
}

返回字段

task_id（integer，可选）：当前任务的 ID。
task_token（string，可选）：本次任务使用的密钥信息。
file_id（integer，可选）：任务创建成功时返回的音频文件 ID；任务完成后可凭 file_id 调用文件检索接口下载，请求出错时不返回该字段。注意：下载 URL 自生成起 9 小时（32,400 秒）内有效，过期即失效，请及时下载。
usage_characters（integer，可选）：计费字符数。
base_resp（object，可选）：本次请求的状态码及详情。
- status_code（integer，必填）：状态码：0 正常；1002 限流；1004 鉴权失败；1039 触发 TPM 限流；1042 非法字符超 10%；2013 参数错误。
- status_msg（string，必填）：状态详情。

使用提示：text 与 text_file_id 二选一必填；下载 URL 自生成起 9 小时内有效，请及时下载。