模型市场

MiniMax-Speech系列语音模型

复制成功！
加入对比

概述

MiniMax 语音大模型能够根据上下文，智能预测文本的情绪、语调等信息，并生成超自然、高保真、个性化的语音。在社交、播客、有声书、新闻资讯、教育、数字人等多种场景中展现出强大的实力。

输入

文本

输出

音频

功能

前缀补全

调用通义千问 API 时启用 Partial Mode，可让模型严格接续您提供的前缀文本进行生成。查看文档

函数调用

通过函数调用将大模型与外部工具和系统连接起来。查看文档

缓存

Context Cache 会缓存长上下文请求的公共前缀，减少重复计算、提升响应速度并降低成本。查看文档

结构化输出

结构化输出可确保模型返回符合预期格式的 JSON 字符串。查看文档

批量任务

异步批量处理请求，降低调用成本。查看文档

联网搜索

启用联网搜索后，模型可基于实时检索的数据进行回答。查看文档

微调

基于样本数据训练模型，使其更适配特定任务。查看文档

定价

  • 声音复刻及声音设计
    ¥9.9每次
  • 语音合成
    ¥2每万字符

速率限制与上下文

  • 最大输入
    10K
  • TPM每分钟 Token 数
    20K
  • RPM每分钟请求数
    20

API 参考

调用API
复制成功！
12345678910111213141516171819202122
curl -X POST https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation \
  -H "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
  -H 'Content-Type: application/json' \
  -d '{
    "input": {
      "action": "tts",
      "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
      },
      "audio_setting": {
        "sample_rate": 16000,
        "format": "mp3",
        "channel": 1
      }
    },
    "model": "MiniMax/speech-2.8-turbo"
  }'