同步语音合成

openapi: 3.0.1
info:
  title: ''
  description: ''
  version: 1.0.0
paths:
  /minimax/v1/t2a_v2:
    post:
      summary: 同步语音合成
      description: "通过向 {{BASE_URL}}/minimaxi/v1/voice_design 发起 POST 请求，同步取得结果。"
      tags:
        - 音频接口/MINIMAX 语音合成
      parameters:
        - name: Content-Type
          in: header
          description: ''
          required: true
          example: <content-type>
          schema:
            type: string
        - name: Authorization
          in: header
          description: ''
          required: false
          example: Bearer {{YOUR_API_KEY}}
          schema:
            type: string
            default: Bearer {{YOUR_API_KEY}}
      requestBody:
        content:
          application/json:
            model: speech-2.6-hd
            text: 今天是不是很开心呀，当然了！
            stream: false
            voice_setting:
              voice_id: male-qn-qingse
              speed: 1
              vol: 1
              pitch: 0
              emotion: happy
            pronunciation_dict:
              tone:
                - 处理/(chu3)(li3)
                - 危险/dangerous
            audio_setting:
              sample_rate: 32000
              bitrate: 128000
              format: mp3
              channel: 1
            subtitle_enable: false
            schema:
              type: object
              properties:
                model:
                  type: string
                  description: "请求使用的模型版本，可选：speech-2.6-hd、speech-2.6-turbo、speech-02-hd、speech-02-turbo、speech-01-hd、speech-01-turbo。"
                text:
                  type: string
                  description: "待合成语音的文本。"
                stream:
                  type: boolean
                  description: "是否流式输出，默认 false（即不开启流式）。"
                voice_setting:
                  type: object
                  properties:
                    voice_id:
                      type: string
                    speed:
                      type: number
                      description: "合成音频的语速，取值越大语速越快。取值区间 [0.5,2]，默认 1.0。"
                    vol:
                      type: number
                      description: "合成音频的音量，取值越大音量越高。取值区间 (0,10]，默认 1.0。"
                    pitch:
                      type: integer
                      description: "合成音频的语调，取值 [-12,12]，默认 0（0 即原音色输出）。"
                    emotion:
                      type: string
                      description: "情绪标签，取值 happy、sad、angry、fearful、disgusted、surprised、calm、fluent，对应高兴、悲伤、愤怒、害怕、厌恶、惊讶、中性、生动。通常模型会根据文本自行匹配，不必手动填。仅 speech-2.6-hd、speech-2.6-turbo、speech-02-hd、speech-02-turbo、speech-01-hd、speech-01-turbo 支持；fluent 仅限 speech-2.6-turbo、speech-2.6-hd。"
                    text_normalization:
                      type: boolean
                      description: "是否启用中文、英文文本规范化：开启后数字阅读场景表现更好，但延迟略有增加；默认 false。"
                    latex_read:
                      type: boolean
                      description: "是否朗读 latex 公式，默认 false。"
                  required:
                    - voice_id
                pronunciation_dict:
                  type: object
                  properties:
                    tone:
                      type: array
                      items:
                        type: string
                        description: "为需要特殊标注的文字或符号定义注音／发音替换规则。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:
                  type: object
                  properties:
                    sample_rate:
                      type: integer
                      description: "生成音频的采样率，可选 8000、16000、22050、24000、32000、44100，默认 32000。"
                    bitrate:
                      type: integer
                      description: "生成音频的比特率，可选 32000、64000、128000、256000，默认 128000；仅 mp3 格式生效。"
                    format:
                      type: string
                      description: "生成音频的格式，wav 仅在非流式输出下支持。可选取值：mp3、pcm、flac、wav。"
                    channel:
                      type: integer
                      description: "生成音频的声道数，可选 1 或 2（1 单声道、2 双声道），默认 1。"
                    force_cbr:
                      type: boolean
                      description: "音频恒定比特率（cbr）开关，取值 false 或 true。置 true 时以恒定比特率编码音频。注意：仅当音频走流式输出且格式为 mp3 时生效。"
                subtitle_enable:
                  type: boolean
                stream_options:
                  type: object
                  properties:
                    exclude_aggregated_audio:
                      type: string
                      description: "最后一个 chunk 是否带上拼接好的语音 hex 数据。默认 False，即末个 chunk 内含完整拼接结果。"
                  required:
                    - exclude_aggregated_audio
                timber_weights:
                  type: object
                  properties:
                    ' voice_id':
                      type: string
                    weight:
                      type: integer
                      description: "各音色的混合权重，须与 voice_id 同步填写。取值 [1, 100]，最多混合 4 种音色；单一音色取值占比越高，合成结果与该音色越接近。"
                  required:
                    - ' voice_id'
                    - weight
                language_boost:
                  type: string
                  description: "是否开启小语种与方言识别增强；不传时取 null，也可填 auto 交由模型自行判定。可选取值：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。"
                voice_modify:
                  type: object
                  properties:
                    pitch:
                      type: integer
                      description: "音高调整（低沉／明亮），范围 [-100,100]：靠近 -100 声音更低沉，靠近 100 声音更明亮。"
                    intensity:
                      type: integer
                      description: "强度调整（力量感／柔和），范围 [-100,100]：靠近 -100 声音更刚劲，靠近 100 声音更轻柔。"
                    timbre:
                      type: integer
                      description: "音色调整（磁性／清脆），范围 [-100,100]：靠近 -100 声音更浑厚，靠近 100 声音更清脆。"
                    sound_effects:
                      type: string
                      description: "音效设置，单次只能选一种：spacious_echo（空旷回音）、auditorium_echo（礼堂广播）、lofi_telephone（电话失真）、robotic（电音）。"
                  description: "声音效果器设置，支持的音频格式：非流式 mp3、wav、flac；流式 mp3。"
                ' subtitle_enable':
                  type: boolean
                  description: "是否开启字幕服务，默认 false。仅非流式输出场景有效，且只对 speech-2.6-hd、speech-2.6-turbo、speech-02-turbo、speech-02-hd、speech-01-turbo、speech-01-hd 生效。"
                output_format:
                  type: string
                  description: "输出结果形式，可选 url 或 hex，默认 hex。仅非流式场景可改；流式场景只返回 hex。url 形式的链接有效期为 24 小时。"
                aigc_watermark:
                  type: boolean
                  description: "是否在合成音频末尾加音频节奏标识，默认 False；仅非流式合成生效。"
              required:
                - model
                - text
                - voice_setting
            example:
              model: speech-2.6-hd
              text: 今天是不是很开心呀，当然了！
              stream: false
              voice_setting:
                voice_id: male-qn-qingse
                speed: 1
                vol: 1
                pitch: 0
                emotion: happy
              pronunciation_dict:
                tone:
                  - 处理/(chu3)(li3)
                  - 危险/dangerous
              audio_setting:
                sample_rate: 32000
                bitrate: 128000
                format: mp3
                channel: 1
              subtitle_enable: false
      responses:
        '200':
          description: ''
          content:
            application/json:
              schema:
                type: object
                properties:
                  data:
                    type: object
                    properties:
                      audio:
                        type: string
                        description: "合成后的音频数据，采用 hex 编码，格式与请求指定的输出格式一致。"
                      status:
                        type: integer
                        description: "当前音频流状态：1 表示合成中，2 表示合成结束。"
                      subtitle_file:
                        type: string
                        description: "合成字幕的下载链接。字幕与音频对应、精确到句（每句不超过 50 字），单位为毫秒，格式为 json。"
                    description: "返回的合成数据对象，可能为 null，使用前需做非空判断。"
                  extra_info:
                    type: object
                    properties:
                      audio_length:
                        type: integer
                        description: "音频时长（毫秒）。"
                      audio_sample_rate:
                        type: integer
                        description: "音频采样率。"
                      audio_size:
                        type: integer
                        description: "音频文件大小（字节）。"
                      bitrate:
                        type: integer
                        description: "音频比特率。"
                      word_count:
                        type: integer
                        description: "已发音字数统计，含汉字、数字与字母，不含标点符号。"
                      invisible_character_ratio:
                        type: integer
                        description: "非法字符占比。占比不超过 10%（含 10%）时音频可正常生成并返回该占比数据；超过 10% 则报错。"
                      usage_characters:
                        type: integer
                        description: "计费字符数。"
                      audio_format:
                        type: string
                        description: "生成音频文件的格式，取值 mp3、pcm、flac。"
                      audio_channel:
                        type: integer
                        description: "生成音频声道数，1 单声道、2 双声道。"
                  trace_id:
                    type: string
                  base_resp:
                    type: object
                    properties:
                      status_code:
                        type: integer
                        description: "状态码含义：0 正常；1000 未知错误；1001 超时；1002 触发限流；1004 鉴权失败；1039 触发 TPM 限流；1042 非法字符占比超过 10%；2013 输入参数异常。"
                      status_msg:
                        type: string
                        description: "状态详情。"
                    required:
                      - status_code
                      - status_msg
          headers: {}
      security: []
components:
  schemas: {}
  securitySchemes: {}
servers: []
security: []