MiniMax T2A API

模型简介

Exchange Token 通过下面这条原生路径提供 MiniMax 文本转语音能力：

• POST /v1/t2a_v2

当你要把文本直接转换成音频，并且希望使用 MiniMax 兼容的请求与返回格式时，使用这个接口即可。

支持模型

• speech-2.8-hd
• speech-2.8-turbo
• speech-2.6-hd
• speech-2.6-turbo
• speech-02-hd
• speech-02-turbo

调用方式

API 端点

https://api.exchangetoken.ai

认证方式

MiniMax T2A 使用以下认证头：

x-key: YOUR_API_KEY

请求格式

Content-Type: application/json

请求路径

POST /v1/t2a_v2

核心请求字段

字段	类型	必填	说明
model	string	是	TTS 模型名称
text	string	是	输入文本，建议控制在 10000 字符以内
stream	boolean	否	是否启用流式返回
voice_setting	object	是	语音配置，必须包含 voice_id
audio_setting	object	否	音频编码参数
language_boost	string	否	语言提示，例如 auto、English、Chinese
pronunciation_dict	object	否	自定义发音映射
voice_modify	object	否	音色、强度、音效调节
subtitle_enable	boolean	否	是否输出字幕
subtitle_type	string	否	sentence、word 或 word_streaming
output_format	string	否	非流式支持 hex 和 url，流式返回 hex 分片

非流式调用示例

curl -X POST "https://api.exchangetoken.ai/v1/t2a_v2" \
  -H "x-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "speech-2.8-hd",
    "text": "欢迎使用 Exchange Token，这是一段 MiniMax 文本转语音示例。",
    "stream": false,
    "language_boost": "auto",
    "output_format": "hex",
    "voice_setting": {
      "voice_id": "English_Graceful_Lady",
      "speed": 1,
      "vol": 1,
      "pitch": 0
    },
    "audio_setting": {
      "sample_rate": 32000,
      "bitrate": 128000,
      "format": "mp3",
      "channel": 1
    }
  }'

非流式返回示例

{
  "data": {
    "audio": "<hex encoded audio>",
    "status": 2
  },
  "extra_info": {
    "audio_length": 11124,
    "audio_sample_rate": 32000,
    "audio_size": 179926,
    "bitrate": 128000,
    "word_count": 163,
    "invisible_character_ratio": 0,
    "usage_characters": 163,
    "audio_format": "mp3",
    "audio_channel": 1
  },
  "trace_id": "01b8bf9bb7433cc75c18eee6cfa8fe21",
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  }
}

流式调用示例

curl -N -X POST "https://api.exchangetoken.ai/v1/t2a_v2" \
  -H "x-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "speech-2.8-turbo",
    "text": "这次请求会以流式方式返回音频分片。",
    "stream": true,
    "output_format": "hex",
    "voice_setting": {
      "voice_id": "English_Insightful_Speaker",
      "speed": 1,
      "vol": 1,
      "pitch": 0
    },
    "audio_setting": {
      "sample_rate": 32000,
      "bitrate": 128000,
      "format": "mp3",
      "channel": 1
    }
  }'

当 stream=true 时，服务端会持续返回多个分片。中间分片通常是 data.status = 1，最后一个分片是 data.status = 2。

流式分片示例

{
  "data": {
    "audio": "<hex encoded audio chunk>",
    "status": 1
  },
  "trace_id": "01b8bf9bb7433cc75c18eee6cfa8fe21",
  "base_resp": {
    "status_code": 0,
    "status_msg": ""
  }
}

语音与音频参数

voice_setting

字段	类型	必填	说明
voice_id	string	是	目标音色 ID
speed	number	否	范围 0.5 到 2
vol	number	否	范围 (0, 10]
pitch	integer	否	范围 -12 到 12
emotion	string	否	情绪风格

audio_setting

字段	类型	必填	说明
sample_rate	integer	否	8000、16000、22050、24000、32000、44100
bitrate	integer	否	32000、64000、128000、256000
format	string	否	mp3、pcm、flac、wav、pcmu_raw、pcmu_wav、opus
channel	integer	否	1 为单声道，2 为双声道

返回字段说明

字段	说明
data.audio	生成的音频内容
data.status	1 表示生成中，2 表示生成完成
extra_info.usage_characters	本次合成的计费字符数
trace_id	请求追踪 ID
base_resp.status_code	请求状态码，0 表示成功

错误返回格式

{
  "base_resp": {
    "status_code": 1004,
    "status_msg": "authentication failed"
  }
}

常见含义：

• 0：成功
• 1002：请求频率超限
• 1004：鉴权失败
• 1039：TPM 超限
• 1042：无效字符占比超限
• 2013：输入参数非法

说明

• 文本较长时，建议优先使用流式模式，以便更快拿到首段音频。
• 非流式模式下，output_format 支持 hex 和 url。
• 流式模式下，音频会以 hex 分片形式持续返回。
• 如需排查请求问题，请保留 trace_id。