帮你快速理解、总结文档立即下载
文档中心>大模型服务平台 TokenHub>调用指南>语音模型>语音合成>MiniMax 同步语音合成

MiniMax 同步语音合成

最近更新时间：2026-08-11 14:26:30
我的收藏

本页目录：

概述

Tokenhub 已上线 MiniMax Speech 系列模型，本文基于 MiniMax 官方 T2A V2 接口编写，调用参数与原厂基本一致，详情请参见 MiniMax API 文档。

前提条件

已 注册腾讯云 账号并开通 TokenHub 服务。
已在 TokenHub 控制台 获取 API Key。

接口信息

项
值
地址
https://tokenhub.tencentmaas.com/v1/wand/minimax-tts/sync_tts
方法
POST
Content-Type
application/json
鉴权
Authorization: Bearer YOUR_API_KEY

支持模型

说明：
2.8 为最新版本，也是 MiniMax 官方文档默认示例模型，能力最完整（唯一支持语气词标签），建议优先选用；Turbo 为极速版，适合对时延敏感的场景。
模型名称
model（调用参数）
能力说明
MiniMax-Speech-2.8-HD
minimax-speech-2.8-hd
最新高保真版，支持情绪控制、语气词标签、声音效果器、字幕。
MiniMax-Speech-2.8-Turbo
minimax-speech-2.8-turbo
最新极速版，能力同 2.8-HD，时延更低。
MiniMax-Speech-2.6-HD
minimax-speech-2.6-hd
高保真版，支持情绪控制、声音效果器、字幕。
MiniMax-Speech-2.6-Turbo
minimax-speech-2.6-turbo
极速版，能力同 2.6-HD。
MiniMax-Speech-02-HD
minimax-speech-02-hd
高保真版，支持基础情绪控制与字幕。
MiniMax-Speech-02-Turbo
minimax-speech-02-turbo
极速版，能力同 02-HD。

请求体

请求示例

说明：
TokenHub MiniMax Speech 系列模型当前仅支持非流式（同步）语音合成，不支持流式输出，下文仅展示非流式用法。
非流式
cURL
curl -X POST 'https://tokenhub.tencentmaas.com/v1/wand/minimax-tts/sync_tts' \\
  -H 'Authorization: Bearer YOUR_API_KEY' \\
  -H 'Content-Type: application/json' \\
  -d '{
  "model": "minimax-speech-2.8-hd",
  "text": "刚吹过晚风的巷口飘着糖炒栗子的香，连路灯都软乎乎的。",
  "voice_setting": {
    "voice_id": "minimax_55e81114-ce7e-4ca1",
    "speed": 1,
    "vol": 1,
    "pitch": 0
  },
  "audio_setting": {
    "sample_rate": 32000,
    "bitrate": 128000,
    "format": "mp3",
    "channel": 1
  },
  "subtitle_enable": false,
  "output_format": "hex"
}'

请求参数

说明：
以下为请求参数的简要说明，各参数的取值范围、枚举明细、音色列表等请参见 MiniMax API 文档。
参数
类型
必选
说明
model
string
是
模型版本。可选值见上文 支持模型。
text
string
是
待合成文本，长度 < 10000；长文本建议合理分段调用。段落用换行分隔；停顿控制 <#x#>（秒）；行内发音替换用括号包裹拼音/IPA；语气词标签仅 speech-2.8 系列支持（如 (laughs) 笑声）。
voice_setting
object
是
音色设置（voice_id 必选）。
voice_setting.voice_id
string
是
音色编号；混合音色时置空本参数并改用 timbre_weights。支持系统音色、复刻音色、文生音色。
voice_setting.speed
float
否
语速，默认 1.0，范围 [0.5, 2]。
voice_setting.vol
float
否
音量，默认 1.0，范围 (0, 10]。
voice_setting.pitch
integer
否
语调，默认 0（原音色），范围 [-12, 12]。
voice_setting.emotion
string
否
情绪：happy / sad / angry / fearful / disgusted / surprised / calm / fluent / whisper；分别对应 9 种情绪：高兴，悲伤，愤怒，害怕，厌恶，惊讶，中性，生动，低语。一般无需手动指定，默认由模型自动匹配。
说明：
minimax-speech-2.8-hd, minimax-speech-2.8-turbo 模型不支持 whisper。
voice_setting.text_normalization
boolean
否
中英文文本规范化（提升数字阅读表现），默认 false。
voice_setting.latex_read
boolean
否
朗读 LaTeX 公式（公式首尾加 $$），默认 false。
audio_setting
object
否
音频设置。
audio_setting.sample_rate
integer
否
采样率，默认 32000，可选 [8000, 16000, 22050, 24000, 32000, 44100]。
audio_setting.bitrate
integer
否
比特率，默认 128000，可选 [32000, 64000, 128000, 256000]（仅 mp3 生效）。
audio_setting.format
string
否
格式，默认 mp3，可选 mp3 / pcm / flac / wav / pcmu_raw / pcmu_wav / opus。
audio_setting.channel
integer
否
声道数，默认 1（单声道），可选 [1, 2]。
pronunciation_dict
object
否
发音词典。
pronunciation_dict.tone
array[string]
否
自定义发音规则，格式 原文/替换内容（替换内容可为纯文本/拼音/IPA/日语假名）。
timbre_weights
array
否
混合音色权重，最多 4 种（每项含 voice_id + weight，取值 1–100）。
language_boost
string
否
小语种/方言识别增强，默认 null，可设 auto。
voice_modify
object
否
声音效果器。
voice_modify.pitch
integer
否
音高调整（低沉/明亮），范围 [-100, 100]。
voice_modify.intensity
integer
否
强度调整（力量感/柔和），范围 [-100, 100]。
voice_modify.timbre
integer
否
音色调整（磁性/清脆），范围 [-100, 100]。
voice_modify.sound_effects
string
否
音效：spacious_echo / auditorium_echo / lofi_telephone / robotic。
subtitle_enable
boolean
否
开启字幕服务，默认 false。
subtitle_type
string
否
字幕粒度，默认 sentence，可选 sentence / word 。
output_format
string
否
输出形式，默认 hex，可选 url / hex（URL 有效期 24h）。
aigc_watermark
boolean
否
末尾添加音频节奏标识，默认 false。

返回体

返回示例

非流式
{
  "data": {
    "audio": "<hex编码的audio>",
    "status": 2
  },
  "extra_info": {
    "audio_length": 9900,
    "audio_sample_rate": 32000,
    "audio_size": 160323,
    "bitrate": 128000,
    "word_count": 52,
    "invisible_character_ratio": 0,
    "usage_characters": 26,
    "audio_format": "mp3",
    "audio_channel": 1
  },
  "trace_id": "01b8bf9bb7433cc75c18eee6cfa8fe21",
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  },
  "usage": {
    "total_token": 991785
  }
}

返回字段

说明：
以下为返回字段的简要说明，各字段的完整含义、类型细节与边界说明等请参见 MiniMax API 文档。
字段
类型
说明
data
object
合成数据对象，可能为 null，需做非空判断。
data.audio
string
合成音频数据。output_format=hex（默认）时为 hex 编码；output_format=url 时为下载链接（有效期 24 小时）。
data.subtitle_file
string
字幕下载链接（json 格式，毫秒级时间戳，句级，每句不超过 50 字）；仅 subtitle_enable=true 时返回。
data.status
integer
音频流状态：1 合成中 / 2 合成结束。
trace_id
string
本次会话 ID，用于咨询/反馈时定位问题。
extra_info
object
音频附加信息（详见下方子字段）。
extra_info.audio_length
integer
音频时长（毫秒）。
extra_info.audio_sample_rate
integer
音频采样率。
extra_info.audio_size
integer
音频文件大小（字节）。
extra_info.bitrate
integer
音频比特率。
extra_info.audio_format
string
音频格式：mp3 / pcm / flac 等。
extra_info.audio_channel
integer
声道数：1 单声道 / 2 双声道。
extra_info.invisible_character_ratio
number
非法字符占比：≤10% 正常生成并返回占比，>10% 报错。
extra_info.usage_characters
integer
计费字符数。
extra_info.word_count
integer
已发音字数（含汉字、数字、字母，不含标点符号）。
base_resp
object
本次请求的状态码与详情。
base_resp.status_code
integer
状态码（0 表示正常，详见下方错误码）。
base_resp.status_msg
string
状态详情。
usage
object
用量。
usage.total_token
integer
消耗 token 总量

错误码

请参见 API 错误码说明。
中国站