MiniMax Speech语音合成API-speech-2.8文生语音-AutoRouter

通过文本、音色与音频参数合成语音。支持流式/非流式、hex 或 URL 输出。

调用 MiniMax Speech 将文本合成为音频。支持系统音色、克隆音色、语速/音量/音调、情绪、混音、字幕以及流式输出。

非流式默认返回 hex 编码音频；output_format 为 url 时返回可下载链接（有效期 24 小时）。流式输出仅支持 hex。

Base URL

https://api.autorouter.top — Production

Authentication

BearerAuth: http (bearer) 使用 Bearer Token 认证。格式: Authorization: Bearer sk-xxxxxx

Endpoints

POST `/v1/t2a_v2`

创建语音合成请求

传入文本、音色和音频设置，返回音频数据或音频 URL。

Request Body

Content-Type: application/json

Example:

{
  "model": "speech-2.8-hd",
  "text": "今天是不是很开心呀(laughs)，当然了！",
  "stream": false,
  "voice_setting": {
    "voice_id": "male-qn-qingse",
    "speed": 1,
    "vol": 1,
    "pitch": 0,
    "emotion": "happy"
  },
  "audio_setting": {
    "sample_rate": 32000,
    "bitrate": 128000,
    "format": "mp3",
    "channel": 1
  },
  "pronunciation_dict": {
    "tone": [
      "处理/(chu3)(li3)",
      "危险/dangerous"
    ]
  },
  "subtitle_enable": false
}

Properties:

Name	Type	Required	Description
`model`	string	Yes	模型名称。可选值：`speech-2.8-hd`、`speech-2.6-hd`、`speech-02-hd`、`speech-2.8-turbo`、`speech-2.6-turbo`、`speech-02-turbo`
`text`	string	Yes	待合成文本，长度小于 10000 字符。可用换行分段。停顿标记为 `<#x#>`，`x` 为秒，取值 `[0.01, 99.99]`，最多两位小数，且必须夹在可发音文本之间。`speech-2.8-hd` / `speech-2.8-turbo` 支持语气标签，如 `(laughs)`、`(chuckle)`、`(coughs)`、`(sighs)`
`stream`	boolean	No	是否流式输出。默认 `false`
`stream_options`	object	No	流式选项
`stream_options.exclude_aggregated_audio`	boolean	No	最终 chunk 是否排除拼接后的完整 hex 音频。默认 `false`（最终 chunk 包含完整音频）
`voice_setting`	object	No	音色与朗读控制
`audio_setting`	object	No	输出音频参数
`pronunciation_dict`	object	No	读音替换规则
`timber_weights`	object[]	No	混音色权重，最多 4 个。使用该字段时需将 `voice_setting.voice_id` 留空
`language_boost`	string \| null	No	语种增强，如 `Chinese`、`English`、`auto`。默认 `null`
`voice_modify`	object	No	音高/强度/音色微调与音效
`subtitle_enable`	boolean	No	是否开启字幕。仅非流式有效。默认 `false`
`output_format`	string	No	非流式输出形式：`hex`（默认）或 `url`。流式仅支持 `hex`。URL 有效期 24 小时
`aigc_watermark`	boolean	No	是否在音频末尾添加节奏标识。仅非流式有效。默认 `false`

voice_settingobject（可选）

音色与朗读控制。支持系统音色、克隆音色与文本生成音色。

voice_idstring（可选）

合成所用音色 ID。使用 timber_weights 混音时请留空。

speednumber（可选）

语速，取值 [0.5, 2]，默认 1。越大越快。

volnumber（可选）

音量，取值 (0, 10]，默认 1。

pitchinteger（可选）

音高，取值 [-12, 12]，默认 0（原音色音高）。

emotionstring（可选）

情绪。可选值：happy、sad、angry、fearful、disgusted、surprised、calm、fluent、whisper。

text_normalizationboolean（可选）

是否开启中英文文本规范化，可提升数字朗读效果，可能略增延迟。默认 false。

latex_readboolean（可选）

是否朗读 LaTeX 公式。仅支持中文；开启后会将 language_boost 设为 Chinese。公式需用 $$ 包裹，反斜杠需转义。默认 false。

audio_settingobject（可选）

输出音频参数。

sample_rateinteger（可选）

采样率。可选值：8000、16000、22050、24000、32000（默认）、44100。

bitrateinteger（可选）

码率，仅对 MP3 生效。可选值：32000、64000、128000（默认）、256000。

formatstring（可选）

音频格式：mp3（默认）、pcm、flac、wav。wav 仅支持非流式。

channelinteger（可选）

声道数。1 单声道（默认），2 立体声。

force_cbrboolean（可选）

恒定码率编码。仅在流式且格式为 mp3 时生效。

timber_weightsobject[]（可选）

混音色权重，最多 4 个音色。使用时需将 voice_setting.voice_id 留空。

voice_idstring（必选）

参与混音的音色 ID。

weightinteger（必选）

该音色权重，取值 [1, 100]。越大越接近该音色。

voice_modifyobject（可选）

音高、强度、音色微调与音效。每次请求只能选择一种音效。

pitchinteger（可选）

音高调整，取值 [-100, 100]。接近 -100 更低沉，接近 100 更明亮。

intensityinteger（可选）

强度调整，取值 [-100, 100]。接近 -100 更强，接近 100 更柔。

timbreinteger（可选）

音色调整，取值 [-100, 100]。接近 -100 更厚实，接近 100 更清晰。

sound_effectsstring（可选）

音效，每次只能选一个：spacious_echo、auditorium_echo、lofi_telephone、robotic。

Responses

200: 合成成功

Content-Type: application/json

400: 请求失败（见 base_resp.status_code）

Content-Type: application/json

请求示例

curl -X POST "https://api.autorouter.top/v1/t2a_v2" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxx" \
  -d '{
  "model": "speech-2.8-hd",
  "text": "今天是不是很开心呀(laughs)，当然了！",
  "stream": false,
  "voice_setting": {
    "voice_id": "male-qn-qingse",
    "speed": 1,
    "vol": 1,
    "pitch": 0,
    "emotion": "happy"
  },
  "audio_setting": {
    "sample_rate": 32000,
    "bitrate": 128000,
    "format": "mp3",
    "channel": 1
  }
}'

响应示例

{
  "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"
  }
}

响应字段说明：

Name	Type	Description
`data`	object \| null	音频数据。失败时可能为 `null`，使用前需判断
`data.audio`	string	合成音频。默认 hex；`output_format: url` 时为 URL
`data.subtitle_file`	string	字幕下载链接。句级、不超过 50 字符、毫秒时间戳、JSON 格式
`data.status`	integer	音频流状态。`1` 合成中，`2` 合成结束
`extra_info`	object	音频元信息
`extra_info.audio_length`	integer	音频时长（毫秒）
`extra_info.audio_sample_rate`	integer	采样率
`extra_info.audio_size`	integer	文件大小（字节）
`extra_info.bitrate`	integer	码率
`extra_info.audio_format`	string	音频格式：`mp3` / `pcm` / `flac`
`extra_info.audio_channel`	integer	声道数。`1` 单声道，`2` 立体声
`extra_info.invisible_character_ratio`	number	无效字符占比。不超过 10% 仍会生成；超过 10% 报错
`extra_info.usage_characters`	integer	计费字符数
`extra_info.word_count`	integer	发音字数（含汉字、数字、字母，不含标点）
`trace_id`	string	会话 ID，用于咨询或反馈
`base_resp.status_code`	integer	状态码。`0` 成功；错误码包括 `1000`、`1001`、`1002`、`1004`、`1039`、`1042`、`2013`
`base_resp.status_msg`	string	状态说明

错误处理

HTTP 400 参数错误

场景	响应
输入参数不合法	`{"data":null,"trace_id":"...","base_resp":{"status_code":2013,"status_msg":"输入参数信息不正常"}}`
无效字符占比超过 10%	`base_resp.status_code` 非 0，`data` 为 `null`

HTTP 401 / 403 鉴权错误

401 Unauthorized：API Key 无效或已过期
403 Forbidden：API Key 无权访问此模型（检查 token 的模型白名单）

HTTP 402 余额不足

返回 insufficient user quota。请前往 AutoRouter 控制台充值。

使用响应前请检查 data 是否为 null，并以 base_resp.status_code == 0 判断业务成功。

语音合成

voice_settingobject（可选）

属性

audio_settingobject（可选）

属性

timber_weightsobject[]（可选）

属性

voice_modifyobject（可选）

属性

目录