MiniMax speech-2.8-hd 同步语音合成 API 使用文档
基于 MiniMax 最新 speech-2.8-hd 模型的文本转语音接口，支持同步与流式两种输出方式。提供 9 种情绪控制和 19 种语气词标签，支持最多 4 种音色按权重混合，内置声音效果器可调节音高、强度和音色，并可添加回音、电音等音效。同时支持停顿控制、注音替换、LaTeX 公式朗读，覆盖 40+ 语种及方言。
请求地址
https://www.dmxapi.cn/v1/responses模型名称
speech-2.8-hd
示例代码
python
import requests
import json
# ═══════════════════════════════════════════════════════════════
# 🔑 步骤1: 配置 API 连接信息
# ═══════════════════════════════════════════════════════════════
# 🌐 DMXAPI 服务端点地址
url = "https://www.dmxapi.cn/v1/responses"
# 🔐 DMXAPI 密钥 (请替换为您自己的密钥)
# 获取方式: 登录 DMXAPI 官网 -> 个人中心 -> API 密钥管理
api_key = "sk-******************************************"
# ═══════════════════════════════════════════════════════════════
# 📋 步骤2: 配置请求头
# ═══════════════════════════════════════════════════════════════
headers = {
"Content-Type": "application/json", # 指定请求体为 JSON 格式
"Authorization": f"{api_key}", # token 认证方式
}
# ═══════════════════════════════════════════════════════════════
# 💬 步骤3: 配置请求参数
# ═══════════════════════════════════════════════════════════════
payload = {
"model": "speech-2.8-hd",
# 【input】(string, 必填) 需要合成语音的文本，长度限制小于 10000 字符，若文本长度大于 3000 字符，推荐使用流式输出
# 段落切换用换行符标记
# 停顿控制：支持自定义文本之间的语音时间间隔，以实现自定义文本语音停顿时间的效果。使用方式：在文本中增加<#x#>标记，x 为停顿时长（单位：秒），范围 [0.01, 99.99]，最多保留两位小数。
# 文本间隔时间需设置在两个可以语音发音的文本之间，不可连续使用多个停顿标记
# 语气词标签：支持在文本中插入语气词标签。支持的语气词：
# (laughs)（笑声）、(chuckle)（轻笑）、(coughs)（咳嗽）、(clear-throat)（清嗓子）、
# (groans)（呻吟）、(breath)（正常换气）、(pant)（喘气）、(inhale)（吸气）、(exhale)（呼气）、(gasps)（倒吸气）、(sniffs)（吸鼻子）、
# (sighs)（叹气）、(snorts)（喷鼻息）、(burps)（打嗝）、(lip-smacking)（咂嘴）、(humming)（哼唱）、(hissing)（嘶嘶声）、(emm)（嗯）、(sneezes)（喷嚏）
"input": "欢迎使用DMXAPI",
"stream": False,# 控制是否流式输出。默认 false，即不开启流式
"stream_options": {
# 设置最后一个 chunk 是否包含拼接后的语音 hex 数据。默认值为 False，即最后一个 chunk 中包含拼接后的完整hex 数据
"exclude_aggregated_audio": False
},
"voice_setting": {
# 【voice_id】(string, 必填) 音色 ID
# 合成音频的音色编号。若需要设置混合音色，请设置 timbre_weights 参数，本参数设置为空值。
# 支持系统音色、复刻音色以及文生音色三种类型
# 可查看 系统音色列表 或使用 查询可用音色 API 查询系统支持的全部音色，详见下方链接
# 系统音色列表: https://platform.minimaxi.com/docs/faq/system-voice-id
# 查询可用音色 API: https://platform.minimaxi.com/docs/api-reference/voice-management-get
"voice_id": "h20260212",
"speed": 1,# 合成音频的语速，取值越大，语速越快。取值范围 [0.5,2]，默认值为1.0
"vol": 1,# 合成音频的音量，取值越大，音量越高。取值范围 (0,10]，默认值为 1.0
"pitch": 0,# 合成音频的语调，取值范围 [-12,12]，默认值为 0，其中 0 为原音色输出
# 【emotion】(string, 可选) 控制合成语音的情绪
# 可选值: "happy"(高兴) / "sad"(悲伤) / "angry"(愤怒) / "fearful"(害怕) /
# "disgusted"(厌恶) / "surprised"(惊讶) / "calm"(平静) /
# "fluent"(生动) / "whisper"(耳语)
# 模型会根据输入文本自动匹配合适的情绪，一般无需手动指定
"emotion": "fluent",
"text_normalization": False, # 是否启用中文、英语文本规范化，开启后可提升数字阅读场景的性能，但会略微增加延迟，默认值为 false
# 【latex_read】 控制是否朗读 latex 公式，默认为 false
# 仅支持中文，开启该参数后，language_boost 参数会被设置为 Chinese
# 请求中的公式需要在公式的首尾加上 $$
# 请求中公式若有 "\"，需转义成 "\\".
"latex_read": False
},
"audio_setting": {
"sample_rate": 32000,# 生成音频的采样率。可选范围[8000，16000，22050，24000，32000，44100]，默认为 32000
"bitrate": 128000,# 生成音频的比特率。可选范围[32000，64000，128000，256000]，默认值为 128000。该参数仅对 mp3 格式的音频生效
"format": "mp3", # 生成音频的格式，wav 仅在非流式输出下支持。 可用选项:mp3,pcm,flac,wav
"channel": 1,# 生成音频的声道数。可选范围：[1,2]，其中 1 为单声道，2 为双声道，默认值为 1
# 【force_cbr】对于音频恒定比特率（cbr）控制，可选 false、 true。当此参数设置为 true，将以恒定比特率方式进行音频编码。
# 注意：本参数仅当音频设置为流式输出，且音频格式为 mp3 时生效。
"force_cbr": False
},
"pronunciation_dict": {
# 【tone】定义需要特殊标注的文字或符号对应的注音或发音替换规则
# 在中文文本中，声调用数字表示：
# 一声为 1，二声为 2，三声为 3，四声为 4，轻声为 5
# 示例: ["燕少飞/(yan4)(shao3)(fei1)", "omg/oh my god"]
"tone": [
"处理/(chu3)(li3)",
"危险/dangerous"
]
},
"timber_weights":[{
#【voice_id】合成音频的音色编号，须和weight参数同步填写。
# 支持系统音色、复刻音色以及文生音色三种类型。
# 系统支持的全部音色可查看 系统音色列表，也可使用 查询可用音色 API 查询系统支持的全部音色
# 系统音色列表: https://platform.minimaxi.com/docs/faq/system-voice-id
# 查询可用音色 API: https://platform.minimaxi.com/docs/api-reference/voice-management-get
"voice_id":"Jonathan04",
# 【weight】合成音频各音色所占的权重，须与 voice_id 同步填写
# 可选值范围为[1, 100]，最多支持 4 种音色混合，单一音色取值占比越高，合成音色与该音色相似度越高.
"weight":10
}],
# 【language_boost】 是否增强对指定的小语种和方言的识别能力。默认值为 null，可设置为 auto 让模型自主判断。
# 支持的语言:
# 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
"language_boost":"auto",
# 【subtitle_enable】控制是否开启字幕服务，默认值为 false
# 此参数仅在非流式输出场景下有效
"subtitle_enable": False,
# 【voice_modify】声音效果器设置，该参数支持的音频格式：非流式：mp3, wav, flac；流式：mp3
"voice_modify":{
"pitch": 0,# 音高调整（低沉/明亮），范围 [-100,100]，数值接近 -100，声音更低沉；接近 100，声音更明亮。必填范围: -100 <= x <= 100
"intensity" : 0,# 强度调整（力量感/柔和），范围 [-100,100]，数值接近 -100，声音更刚劲；接近 100，声音更轻柔。必填范围: -100 <= x <= 100
"timbre": 0,# 音色调整（磁性/清脆），范围 [-100,100]，数值接近 -100，声音更浑厚；数值接近 100，声音更清脆。必填范围: -100 <= x <= 100
# 【sound_effects】音效设置，单次仅能选择一种
# 可选值: "spacious_echo（空旷回音 / auditorium_echo（礼堂广播） / lofi_telephone（电话失真） /robotic（电音）
"sound_effects": "spacious_echo"
},
"subtitle_enable":False, # 重复字段，同上
# 【output_format】控制输出结果形式的参数，可选值范围为[url, hex]，默认值为 hex
# 该参数仅在非流式场景生效，流式场景仅支持返回 hex 形式。返回的 url 有效期为 24 小时
"output_format":"hex",
"aigc_watermark":False,# 控制在合成音频的末尾添加音频节奏标识，默认值为 False。该参数仅对非流式合成生效
}
# ═══════════════════════════════════════════════════════════════
# 📤 步骤4: 发送请求并输出结果
# ═══════════════════════════════════════════════════════════════
# 发送 POST 请求到 API 服务器
response = requests.post(url, headers=headers, json=payload)
# 处理响应
if response.status_code == 200:
result = response.json()
print("请求成功！")
# 打印不含音频数据的JSON结构
import copy
result_preview = copy.deepcopy(result)
if "data" in result_preview and "audio" in result_preview["data"]:
result_preview["data"]["audio"] = f"[hex数据, 长度: {len(result['data']['audio'])} 字符]"
print("原始JSON返回内容:", result_preview)
# 如果返回了音频数据，保存为文件
if "data" in result and "audio" in result["data"]:
audio_data = result["data"]["audio"]
# 解码hex编码的音频数据并保存
audio_bytes = bytes.fromhex(audio_data)
with open("output.mp3", "wb") as f:
f.write(audio_bytes)
print("音频已保存为 output.mp3")
else:
print("响应内容:", result)
else:
print(f"请求失败，状态码: {response.status_code}")
print("错误信息:", response.text)返回示例
json
请求成功！
原始JSON返回内容: {'data': {'audio': '[hex数据, 长度: 69096 字符]', 'status': 2}, 'trace_id': '05dd2113bc65d614d53af98b1818ad79', 'extra_info': {'audio_length': 2052, 'audio_sample_rate': 32000, 'audio_size': 34548, 'bitrate': 128000, 'word_count': 10, 'invisible_character_ratio': 0, 'usage_characters': 14, 'audio_channel': 1, 'audio_format': 'mp3'}, 'base_resp': {'status_code': 0, 'status_msg': 'success'}, 'usage': {'total_tokens': 14, 'input_tokens': 0, 'input_tokens_details': {'cached_tokens': 0}, 'output_tokens': 14, 'output_tokens_details': {'reasoning_tokens': 0}}}
音频已保存为 output.mp3© 2026 DMXAPI MiniMax speech-2.8-hd 同步语音合成