粘贴想要朗读的文字，再按名称选择音色，或直接描述想要的声音风格。
按确认的实际用量结算，未使用的预留额度会恢复到可用余额。
MiniMax
粘贴想要朗读的文字，再按名称选择音色，或直接描述想要的声音风格。
MiniMax 会将你提供的文字转换成语音，并返回临时下载链接、音频时长和文件信息。请在 24 小时内保存文件，并试听确认效果。
请用[音色名称或想要的声音感觉]朗读[要朗读的内容]，保持原文语言。生成可下载的 MP3，并提醒我在 24 小时内保存。
下载链接会在 24 小时后失效。文件信息本身无法证明发音或听感；使用前请先试听。
开始前检查当前输入要求、可用状态和最高预留费用。
| 字段 / 路径 | 类型 | 是否必填 | 含义 |
|---|---|---|---|
bodybody | object | 必填 |
|
待朗读文本body.text | string | 必填 | 必填脚本字符串，输入范围为1–10000字符；供应商指引为少于10000，应避免该边界。停顿标记可在朗读片段间指定0.01–99.99秒停顿。
|
语音模型body.model | string | 选填 | 版本选择：speech-2.8-hd、speech-2.6-hd、speech-02-hd、speech-2.8-turbo、speech-2.6-turbo、speech-02-turbo。默认 speech-2.8-turbo；感叹音标签需2.8模型。
|
非流式模式body.stream | boolean | 选填 | 固定为 false，以非流式方式请求语音结果；上游流式功能不增加本字段允许值。
|
声音效果body.voice_modify | object | 选填 | 用于音高风格、音色、力度和单个音效的对象，需 mp3、wav 或 flac 输出；不同于朗读音高与语速控制。 |
低沉或明亮效果body.voice_modify.pitch | integer | 选填 | 整数-100–100控制更低沉或更明亮的风格；该效果滑杆不同于 voice_setting.pitch，不是声学测量。
|
音色效果body.voice_modify.timbre | integer | 选填 | 整数-100–100；负值请求更饱满声音，正值请求更清脆声音，不创建新音色身份或质量评分。
|
声音力度效果body.voice_modify.intensity | integer | 选填 | 整数-100–100；负值请求更有力度，正值请求更柔和。保留文档方向，不把它当作音量增益。
|
单个音效body.voice_modify.sound_effects | string | 选填 | 选择 spacious_echo、auditorium_echo、lofi_telephone、robotic，使用兼容格式，一次应用一个效果。
|
音频编码设置body.audio_setting | object | 选填 | 选择格式、采样率、MP3 码率和声道数的对象；应核对编码与效果兼容性，不把任意组合都视为有效。 |
音频格式body.audio_setting.format | string | 选填 | 可选 mp3、pcm、flac、wav、pcmu_raw、pcmu_wav、opus，文档默认 mp3。mu-law 格式为8kHz，opus 使用 Ogg/Opus；声音效果需 mp3、wav、flac。
|
请求 MP3 码率body.audio_setting.bitrate | number | 选填 | 仅用于 MP3 的编码速率设置：32000、64000、128000、256000；文档默认128000。较高数值不是质量保证，未注明单位。 |
请求声道body.audio_setting.channel | number | 选填 | 声道数1为单声道、2为立体声，文档默认1；声道数描述音频布局，不是混合音色数量。 |
请求采样率body.audio_setting.sample_rate | number | 选填 | 采样频率设置：8000、16000、22050、24000、32000、44100；文档默认32000。保留选择值，未注明单位。 |
音频链接输出body.output_format | string | 选填 | 固定为 url，通过临时 CDN 链接返回音频，文档规定24小时后失效；本请求不接受 hex 输出。
|
字幕粒度body.subtitle_type | string | 选填 | sentence 或 word 时间粒度，文档默认 sentence；上游 word_streaming 不属于本 Tool 枚举，流式仍禁用。
|
音色与朗读设置body.voice_setting | object | 选填 | 用于选择单音色及控制朗读的对象。除使用互斥的 timbre_weights 混合音色外须提供 voice_id；其他朗读控制可与选择一起使用。 |
语音音量body.voice_setting.vol | number | 选填 | 音量控制大于0且不超过10，默认1；它是输入控制，不是测量响度或音质评分。
|
朗读音高偏移body.voice_setting.pitch | integer | 选填 | 整数音高调整范围-12–12，默认0为原音高；不同于 voice_modify.pitch 效果范围，没有声明音高单位。
|
语速body.voice_setting.speed | number | 选填 | 语速控制范围0.5–2，默认1；较高值请求更快朗读，不代表音频时长保证按比例变化。
|
朗读情绪body.voice_setting.emotion | string | 选填 | 可选 happy、sad、angry、fearful、disgusted、surprised、calm、fluent、whisper。省略由模型选择表达；fluent、whisper 仅适用于 speech-2.6。
|
可用音色 IDbody.voice_setting.voice_id | string | 选填 | 非空目标音色标识，例如官方列表中的 English_Graceful_Lady。用于选择可用声音，不创建或克隆音色；仅在 timbre_weights 混合时省略。
|
朗读 LaTeX 公式body.voice_setting.latex_read | boolean | 选填 | 公式朗读开关，默认 false；公式使用 $$ 包裹，仅支持中文，启用时将 language_boost 强制为 Chinese。
|
规范化数字与符号读法body.voice_setting.text_normalization | boolean | 选填 | 读法规范化开关，默认 false；有助于处理数字、符号，文档说明可能增加延迟，不自动核实发音。
|
语言识别提示body.language_boost | string | 选填 | 选择准确允许语言、方言或 auto 自动识别，例如 English、Chinese、Chinese,Yue。它用于识别提示，不是翻译；speech-02 不支持 Persian、Filipino、Tamil。
|
混合音色body.timbre_weights | array | 选填 | 1–4项音色与权重组合数组，与 voice_setting.voice_id 互斥；权重表示相对相似度，没有声明必需总和。
|
[]body.timbre_weights[] | object | — |
|
相对混合权重body.timbre_weights[].weight | integer | — | 所选音色的必填整数权重1–100；较高权重增加与该音色的相似程度，不是测量所得相似度百分比。
|
混合音色 IDbody.timbre_weights[].voice_id | string | — | 混合项中的非空可用音色标识，须与该项权重一起提供；它用于选择声音，不是克隆请求。
|
请求字幕body.subtitle_enable | boolean | 选填 | 可选字幕开关，默认 false，用于请求语音附带字幕文件。只有实际提供时才描述返回引用；启用不意味着翻译。
|
发音规则body.pronunciation_dict | object | 选填 | 包含可选读法替换的对象，改变指定文字发音，不新增翻译或音频转写任务。 |
发音替换列表body.pronunciation_dict.tone | array | 选填 | 非空 original/replacement 字符串数组，例如 omg/oh my god；中文拼音可在括号内用1–5标注声调，逐项保留规则。 |
单项发音替换body.pronunciation_dict.tone[] | string | — | 将原表达与替代读法关联的非空规则字符串；该数组项不是输出转写或测量所得发音结果。
|
{
"type": "object",
"required": [
"body"
],
"properties": {
"body": {
"type": "object",
"$schema": "https://json-schema.org/draft/2020-12/schema",
"required": [
"text"
],
"~standard": {
"vendor": "zod",
"version": 1,
"jsonSchema": {}
},
"properties": {
"text": {
"type": "string",
"maxLength": 10000,
"minLength": 1,
"description": "要朗读的文本，最多 10000 个字符。可在片段间加入 <#x#> 暂停标记，x 为 0.01 至 99.99 秒；半角括号内支持带声调数字的拼音、IPA 或粤拼。speech-2.8 支持 (laughs)、(sighs)、(coughs)、(gasps) 等语气标签。"
},
"model": {
"enum": [
"speech-2.8-hd",
"speech-2.6-hd",
"speech-02-hd",
"speech-2.8-turbo",
"speech-2.6-turbo",
"speech-02-turbo"
],
"type": "string",
"default": "speech-2.8-turbo",
"description": "语音模型。供应商报价为 hd 每百万字符 100 美元、turbo 60 美元；Toolmu 以当前目录中的 credits 计费。笑声等语气标签仅适用于 speech-2.8。"
},
"stream": {
"type": "boolean",
"const": false,
"default": false,
"description": "不支持流式输出，固定为 false。"
},
"voice_modify": {
"type": "object",
"properties": {
"pitch": {
"type": "integer",
"maximum": 100,
"minimum": -100,
"description": "从低沉（-100）到明亮（100）。"
},
"timbre": {
"type": "integer",
"maximum": 100,
"minimum": -100,
"description": "从饱满（-100）到清脆（100）。"
},
"intensity": {
"type": "integer",
"maximum": 100,
"minimum": -100,
"description": "从强烈（-100）到柔和（100）。"
},
"sound_effects": {
"enum": [
"spacious_echo",
"auditorium_echo",
"lofi_telephone",
"robotic"
],
"type": "string",
"description": "每次只能使用一种效果。"
}
},
"description": "音色效果，要求输出格式为 mp3、wav 或 flac。",
"additionalProperties": false
},
"audio_setting": {
"type": "object",
"properties": {
"format": {
"enum": [
"mp3",
"pcm",
"flac",
"wav",
"pcmu_raw",
"pcmu_wav",
"opus"
],
"type": "string",
"description": "音频容器或编码，默认 mp3。pcmu_raw 和 pcmu_wav 为 8kHz G.711 mu-law，opus 为 Ogg/Opus。"
},
"bitrate": {
"anyOf": [
{
"type": "number",
"const": 32000
},
{
"type": "number",
"const": 64000
},
{
"type": "number",
"const": 128000
},
{
"type": "number",
"const": 256000
}
],
"description": "比特率，仅适用于 mp3，默认 128000。"
},
"channel": {
"anyOf": [
{
"type": "number",
"const": 1
},
{
"type": "number",
"const": 2
}
],
"description": "1 为单声道，2 为立体声，默认 1。"
},
"sample_rate": {
"anyOf": [
{
"type": "number",
"const": 8000
},
{
"type": "number",
"const": 16000
},
{
"type": "number",
"const": 22050
},
{
"type": "number",
"const": 24000
},
{
"type": "number",
"const": 32000
},
{
"type": "number",
"const": 44100
}
],
"description": "采样率，默认 32000。"
}
},
"description": "音频输出设置。",
"additionalProperties": false
},
"output_format": {
"type": "string",
"const": "url",
"default": "url",
"description": "音频固定通过 CDN 链接返回，24 小时后过期；不接受其他输出方式。"
},
"subtitle_type": {
"enum": [
"sentence",
"word"
],
"type": "string",
"description": "字幕时间戳粒度，默认 sentence。"
},
"voice_setting": {
"type": "object",
"properties": {
"vol": {
"type": "number",
"default": 1,
"maximum": 10,
"description": "音量，大于 0 且不超过 10，默认 1。",
"exclusiveMinimum": 0
},
"pitch": {
"type": "integer",
"default": 0,
"maximum": 12,
"minimum": -12,
"description": "音高偏移，范围 -12 至 12；默认 0，保留原始音高。"
},
"speed": {
"type": "number",
"default": 1,
"maximum": 2,
"minimum": 0.5,
"description": "语速，范围 0.5 至 2，默认 1。"
},
"emotion": {
"enum": [
"happy",
"sad",
"angry",
"fearful",
"disgusted",
"surprised",
"calm",
"fluent",
"whisper"
],
"type": "string",
"description": "情绪；不填时由模型根据文本选择。fluent 和 whisper 仅适用于 speech-2.6。"
},
"voice_id": {
"type": "string",
"minLength": 1,
"description": "目标音色 ID。仅在 timbre_weights 混合音色时可省略。支持系统、克隆和 AI 设计音色；系统音色列表见 https://platform.minimax.io/docs/faq/system-voice-id。"
},
"latex_read": {
"type": "boolean",
"default": false,
"description": "朗读 $$ 包围的 LaTeX 公式，仅支持中文，并将 language_boost 设为 Chinese；默认 false。"
},
"text_normalization": {
"type": "boolean",
"default": false,
"description": "朗读前规范化数字和符号，可改善数字读法但略增延迟；默认 false。"
}
},
"description": "音色选择与朗读设置。",
"additionalProperties": false
},
"language_boost": {
"enum": [
"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"
],
"type": "string",
"description": "增强指定语言或方言识别；auto 为自动判断。speech-02 不支持波斯语、菲律宾语或泰米尔语。"
},
"timbre_weights": {
"type": "array",
"items": {
"type": "object",
"required": [
"voice_id",
"weight"
],
"properties": {
"weight": {
"type": "integer",
"maximum": 100,
"minimum": 1,
"description": "相对权重，范围 1 至 100；越高越接近该音色。"
},
"voice_id": {
"type": "string",
"minLength": 1,
"description": "参与混合的音色。"
}
},
"additionalProperties": false
},
"maxItems": 4,
"minItems": 1,
"description": "最多混合 4 种音色，与 voice_setting.voice_id 互斥。"
},
"subtitle_enable": {
"type": "boolean",
"default": false,
"description": "同时返回字幕文件链接，默认 false。"
},
"pronunciation_dict": {
"type": "object",
"properties": {
"tone": {
"type": "array",
"items": {
"type": "string",
"minLength": 1
},
"description": "使用 原文/替换内容 的发音规则，例如 omg/oh my god；中文声调用括号内的 1 至 5 标记。"
}
},
"description": "自定义发音规则。",
"additionalProperties": false
}
},
"additionalProperties": false
}
},
"additionalProperties": false
}暂未配置返回字段说明。
生成音频通过临时 URL 交付。应在文档规定的24小时有效期内保存文件，不将链接视为永久存储。
供应商状态1表示合成中、2表示完成，与 Tool 请求状态分开。音频时长以毫秒报告，实际格式与声道数描述交付文件。声道1为单声道、2为立体声，不是音色数量。
采样率描述音频采样频率，码率描述编码数据速率。两者未注明数值单位，应保留返回值，不自行换算；它们不同于语速或听感质量评分。
usage_characters 报告本次合成的供应商计费字符数，应与原始脚本长度及 Toolmu 实际结算费用分开。Raw JSON 中未知和空白来源值保持原样；元数据不能核实发音或听感质量。
从本页链接的 MiniMax 音色清单中选择[音色名称]，或填写[想要的声音描述]，再请 AI 帮你选择相近音色。
请用[音色名称或想要的声音感觉]朗读[要朗读的内容]，保持原文语言。生成可下载的 MP3，并提醒我在 24 小时内保存。
下载链接有效 24 小时。保存 MP3 后试听，确认朗读效果。
从本页链接的 MiniMax 音色清单中选择名称，例如 [Graceful Lady]，也可以描述想要的声音风格。AI 会帮你匹配可用音色。该工具使用已有声音，不会创建或克隆新音色。
文档规定返回的音频 URL 在24小时后失效，应在可用时保存生成文件。链接不是永久托管；获取文件复用结果，不需要另一笔语音生成。
可使用文档发音替换或内联提示，在朗读片段之间放置 <#0.5#> 等停顿标记，不连续使用。感叹音标签需 speech-2.8 模型。这些控制请求读法，实际发音仍需试听核对。
字幕可选，粒度为 sentence 或 word，使用实际返回的文件引用。该 Tool 固定 stream=false、URL 输出，不接受上游流式、hex 或 word_streaming 选项。
它们描述交付文件及供应商计费字符使用，不证明发音准确、主观听感或 Toolmu 实际结算费用。分别保留时长单位、声道含义及未明确的速率单位，执行后检查实际费用。