Для MiniMax Speech 2.8 HD используйте Audio Speech API.

О модели

MiniMax Speech 2.8 HD — модель MiniMax для синтеза речи. В документации MiniMax она описана как модель с ультрареалистичным качеством; поддерживает 40 языков.

По данным MiniMax, в Speech 2.8 переработана обработка звука: из речи убраны фоновый шум и синтетические искажения, а на парах языков, например китайском и японском, акцент одного языка не переходит в другой.

Через API DSLab модель принимает текст и возвращает аудио в формате mp3.

Стоимость

Текущая стоимость использования этой модели:

Что оплачивается

Стоимость

Символы

10 000₽ за 1 млн символов

Характеристики

Параметр

Значение

Вход

Текст

Выход

Аудио (речь)

Форматы ответа

mp3

Языки

40, по данным MiniMax

Голоса

45

Сравнение с соседними моделями

Модель

Языки

Назначение по данным разработчика

MAI-Voice-2.1

23

Длинные тексты: аудиокниги, подкасты, озвучка

MAI-Voice-2.1 Flash

23

Низкая задержка: голосовые агенты, ассистенты, колл-центры

MiniMax Speech 2.8 HD (эта модель)

40

Ультрареалистичное качество

Qwen Audio 3.0 TTS Plus

16

Профессиональное качество: озвучка видео и фильмов, аудиокниги, голос бренда

Voxtral TTS 3

35+

Более 50 диалектов

Стоимость

Тип

Цена за 1 млн символов

Входной текст

10 000 ₽

API

Эндпоинт

http 
POST https://api.dslab.tech/v1/audio/speech
Синтез речи 
import osfrom pathlib import Pathimport requestsresponse = requests.post(    "https://api.dslab.tech/v1/audio/speech",    headers={"Authorization": f"Bearer {os.environ['DSLAB_API_KEY']}"},    json={        "model": "minimax-speech-2.8-hd",        "input": "Здравствуйте! Это пример синтеза речи.",        "voice": "English_expressive_narrator",        "response_format": "mp3",        "speed": 1.25,    },)response.raise_for_status()Path("speech.mp3").write_bytes(response.content)

Параметры

Параметр

Тип

По умолчанию

Описание

model

string

обязательный

ID модели: minimax-speech-2.8-hd.

input

string

обязательный

Текст для озвучивания.

voice

string

—

Голос, например English_expressive_narrator.

response_format

string

—

Формат аудио: mp3.

speed

number

—

Скорость речи, например 1.25.

Важно знать

  • Доступно 45 голосов, например English_expressive_narrator.

  • Поддерживается только формат mp3. Форматы pcm, wav, opus, aac и flac возвращают ошибку 400.

  • Параметр speed принимается, например 1.25.

  • Запрос с 5 000 символов в input принимается.