MiniMax Speech 2.8

MiniMax Speech 2.8 通过 OpenAI 兼容的文本转语音接口调用。当前支持同步语音合成，适合直接生成短文本、配音和旁白音频。

请求地址

http

POST /v1/audio/speech

支持模型

模型	说明
`minimax-speech-2.8-turbo`	低延迟语音合成模型
`minimax-speech-2.8-hd`	高质量语音合成模型

请求参数

参数	类型	必填	说明
`model`	string	是	`minimax-speech-2.8-turbo` 或 `minimax-speech-2.8-hd`
`input`	string	是	需要合成语音的文本
`voice`	string	是	MiniMax 音色 ID，例如系统音色、复刻音色或文生音色 ID
`response_format`	string	否	音频格式，默认 `mp3`；常用值：`mp3`、`wav`、`flac`、`pcm`
`speed`	number	否	语速，常用范围 `0.5` 到 `2`，默认 `1`
`metadata`	object	否	MiniMax 扩展参数

基础示例

bash

curl -X POST "https://cubicspaces.cloud/v1/audio/speech" \
  -H "Authorization: Bearer $NEW_API_KEY" \
  -H "Content-Type: application/json" \
  --output minimax-speech.mp3 \
  -d '{
    "model": "minimax-speech-2.8-turbo",
    "voice": "male-qn-qingse",
    "input": "你好，这是一段 MiniMax Speech 2.8 的同步语音合成测试。",
    "response_format": "mp3",
    "speed": 1
  }'

成功时响应体是音频二进制内容，建议使用 --output 保存文件。

创建并使用复刻音色

MiniMax Speech 可以使用复刻音色生成语音。先通过音频复刻接口创建音色并得到 voice_id，再把这个 voice_id 填到 /v1/audio/speech 的 voice 字段即可。

典型流程：

准备用于复刻的原始音频，建议使用单人、清晰、背景噪声较低的 mp3、m4a 或 wav 文件。
调用 /v1/audio/voice-cloning，传入原始音频 URL，并按需提供试听文本和试听模型。
从响应中取得 voice_id。
使用该 voice_id 调用 /v1/audio/speech 合成语音。

复刻音频和保留规则：

项目	说明
原始音频	使用可公开访问的音频 URL，支持 `mp3`、`m4a`、`wav`
音频时长	最短 10 秒，最长 5 分钟
文件大小	不超过 20 MB
示例音频	可选；如果提供 `clone_prompt`，示例音频需小于 8 秒，并提供与音频一致、句末带标点的文本
返回结果	复刻流程会返回 `voice_id`；如果传入试听文本和试听模型，通常还会返回试听音频链接
音色保留	快速复刻音色可能是临时音色，建议在生成后尽快用 `/v1/audio/speech` 调用一次该 `voice_id`

创建复刻音色示例：

bash

curl -X POST "https://cubicspaces.cloud/v1/audio/voice-cloning" \
  -H "Authorization: Bearer $NEW_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-voice-cloning",
    "audio_url": "https://example.com/voice.mp3",
    "text": "这是一段用于试听复刻音色效果的文本。",
    "preview_model": "speech-2.8-hd",
    "accuracy": 0.7,
    "need_noise_reduction": true,
    "need_volume_normalization": true
  }'

响应示例：

json

{
  "demo_audio_url": "https://example.com/demo.mp3",
  "voice_id": "voice_abc123"
}

如需增强音色相似度和稳定性，可以增加 clone_prompt：

json

{
  "model": "minimax-voice-cloning",
  "audio_url": "https://example.com/voice.mp3",
  "clone_prompt": {
    "prompt_audio_url": "https://example.com/prompt.mp3",
    "prompt_text": "这是一段示例音频对应的文本。"
  },
  "text": "这是一段用于试听复刻音色效果的文本。",
  "preview_model": "speech-2.8-hd"
}

复刻音色合成示例：

bash

curl -X POST "https://cubicspaces.cloud/v1/audio/speech" \
  -H "Authorization: Bearer $NEW_API_KEY" \
  -H "Content-Type: application/json" \
  --output cloned-voice.mp3 \
  -d '{
    "model": "minimax-speech-2.8-hd",
    "voice": "voice_abc123",
    "input": "这是一段使用复刻音色生成的语音。",
    "response_format": "mp3",
    "speed": 1
  }'

如果需要调整复刻音色的音量、语速、语调或情绪，可以继续通过 metadata.voice_setting 传入 MiniMax 原生参数：

json

{
  "model": "minimax-speech-2.8-hd",
  "voice": "voice_abc123",
  "input": "这是一段带有情绪和音量设置的复刻音色示例。",
  "response_format": "mp3",
  "metadata": {
    "voice_setting": {
      "voice_id": "voice_abc123",
      "speed": 1,
      "vol": 1,
      "pitch": 0,
      "emotion": "happy"
    },
    "audio_setting": {
      "format": "mp3",
      "sample_rate": 32000,
      "bitrate": 128000,
      "channel": 1
    },
    "language_boost": "Chinese"
  }
}

注意：voice 和 metadata.voice_setting.voice_id 应保持一致。/v1/audio/voice-cloning 中的 model 用于选择复刻能力，推荐使用 minimax-voice-cloning；如果传入 text 生成试听音频，需要用 preview_model 指定试听模型，例如 speech-2.8-hd 或 speech-2.8-turbo。

原生参数示例

需要设置采样率、音量、情绪、语言增强、发音字典等 MiniMax 原生能力时，放到 metadata 中：

json

{
  "model": "minimax-speech-2.8-hd",
  "voice": "male-qn-qingse",
  "input": "欢迎使用 Cubicspaces MiniMax 语音合成。",
  "response_format": "mp3",
  "metadata": {
    "audio_setting": {
      "format": "mp3",
      "sample_rate": 32000,
      "bitrate": 128000,
      "channel": 1
    },
    "voice_setting": {
      "voice_id": "male-qn-qingse",
      "speed": 1,
      "vol": 1,
      "pitch": 0,
      "emotion": "happy"
    },
    "language_boost": "Chinese",
    "subtitle_enable": false
  }
}

可用的常见原生字段包括：

字段	说明
`audio_setting.format`	音频格式，如 `mp3`、`pcm`、`flac`、`wav`
`audio_setting.sample_rate`	采样率，如 `8000`、`16000`、`22050`、`24000`、`32000`、`44100`
`audio_setting.bitrate`	MP3 比特率，如 `32000`、`64000`、`128000`、`256000`
`voice_setting.voice_id`	音色 ID；如果设置混合音色，可配合 `timbre_weights` 使用
`voice_setting.speed`	语速，常用范围 `0.5` 到 `2`
`voice_setting.vol`	音量，常用范围 `(0, 10]`
`voice_setting.pitch`	语调，常用范围 `-12` 到 `12`
`voice_setting.emotion`	情绪，如 `happy`、`sad`、`angry`、`fearful`、`disgusted`、`surprised`、`calm`、`fluent`、`whisper`
`voice_modify`	音高、音色、强度和音效调整
`pronunciation_dict`	发音字典
`subtitle_enable`	是否返回字幕文件，具体结果以所选模型支持为准

注意事项

本页描述的是同步语音合成接口，响应体直接返回音频内容。
metadata 会覆盖同名扩展字段；不要在 metadata 中修改 model，避免请求行为与预期不一致。

MiniMax Speech 2.8 ​

请求地址 ​

支持模型 ​

请求参数 ​

基础示例 ​

创建并使用复刻音色 ​

原生参数示例 ​

注意事项 ​

MiniMax Speech 2.8

请求地址

支持模型

请求参数

基础示例

创建并使用复刻音色

原生参数示例

注意事项