大模型服务平台 TokenHub MiniMax 音色复刻

Tokenhub 已上线 MiniMax 音色复刻能力,通过语音合成接口下的 sync_clone 端点实现,这篇基于 MiniMax voice_clone 接口编写,调用参数与原厂基本一致。

相关产品
大模型服务平台 TokenHub 产品页,含版本规格、价格与购买入口。

一、概述

功能说明: 音色复刻(voice clone)指上传一段参考音频,由系统提取并复刻其中的说话人音色特征,生成一个可复用的自定义音色(返回唯一 voice_id)。后续在 TTS 语音合成接口传入该 voice_id,即可让任意文本以此音色朗读。复刻过程返回的试听音频由 model 指定的语音模型合成。

注意:说明:

二、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。

三、接口信息

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

四、请求示例

cURLcurl -X POST 'https://tokenhub.tencentmaas.com/v1/wand/minimax-tts/sync_clone' \\ -H 'Authorization: Bearer YOUR_API_KEY' \\ -H 'Content-Type: application/json' \\ -d '{ "model": "minimax-voice-clone", "audio_url": "https://example.com/clone-source.wav", "tts_model":"minimax-speech-2.8-hd", "text": "A gentle breeze sweeps across the soft grass(breath), carrying the fresh scent along with the songs of birds.", "output_format": "url"}'

五、请求参数

注意:说明:

注意:以下为请求参数的简要说明,各参数的完整取值范围、枚举明细等请参见 MiniMax API 文档。

参数 类型 必选 说明
model string 是 固定填 minimax-voice-clone。
audio_url string 否 待复刻音频的 URL 地址(http/https 链接)。音频规范:mp3 / m4a / wav,建议时长 10 秒–5 分钟,大小 ≤ 20MB。
audio_data string 否 待复刻音频的 base64 音频。(audio_url 或 audio_data 或 file_id 至少传一个)
tts_model string 否 试听用的 TTS 语音合成模型,取值为 tokenhub 已上线的 speech 模型(如 minimax-speech-2.8-hd)。
voice_id string 否 自定义音色 id;不传则自动生成并返回唯一 id。长度 [8, 256],首字符须为英文字母,允许字母/数字/-/_,末位不可为 -/_。
text string 否 复刻试听文本,≤ 1000 字符;提供后将以复刻音色朗读并返回试听音频(按 T2A 标准计费)。
text_validation string 否 音频复刻样本的预期文本,≤ 200 字符;服务做 ASR 识别并比对相似度,低于 accuracy 则拒绝。
accuracy number 否 ASR 相似度阈值,默认 0.7,范围 [0, 1]。
output_format string 否 试听音频返回形式,默认 hex,可选 url / hex(url 有效期 24h)。
file_id integer 否 上传的复刻音频的文件 Id。

六、返回示例

{ "voice_id": "MiniMax001-xxxxxxxx", "input_sensitive": false, "demo_audio": "https://…试听音频链接", "extra_info": { "audio_length": 11124, "audio_sample_rate": 32000, "audio_size": 179926, "bitrate": 128000, "word_count": 18, "usage_characters": 18 }, "base_resp": { "status_code": 0, "status_msg": "success" }, "usage":{ "total_token":1920 }}

七、返回字段

注意:说明:

注意:以下为返回字段的简要说明,各字段的完整含义与边界说明等请参见 MiniMax API 文档。

字段 类型 说明
voice_id string 复刻成功返回的音色 id,可用于后续语音合成。
input_sensitive boolean 输入音频是否命中风控。
demo_audio string 试听音频链接(形式取决于 output_format);仅当请求传入 text 时返回,否则为空。
extra_info object 试听音频的元信息与计费信息,仅当传入 text(触发试听合成)时返回。
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.word_count integer 已发音字数。
extra_info.usage_characters integer 计费字符数。
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。

八、错误码

请参见 API 错误码说明。

赞 (0)
上一篇 4天前
下一篇 4天前