MiniMax Speech 2.8

文字转语音多语言音频自定义声音 ID

MiniMax Speech 2.8 是 MiniMax 发布的富有表现力的文字转语音生成模型，分为 Speech 2.8 HD 和 Turbo 两种级别。通过 APIXO，开发者可以使用预设或之前创建的自定义声音 ID、原生音效标签、情感化表达、发音覆盖以及用于控制节奏和输出编码的制作功能，来合成多语言音频。

APIXO 模式

Speech Turbo / HD

价格

始于 $0.06 / 1000 字符

语言

格式

MP3 / WAV / PCM / FLAC

发布于

2026年1月23日

正在加载工作区...

MiniMax Speech 2.8 模型 API 费率结构

MiniMax Speech 2.8 按提交的提示词字符数计费，每 1000 个字符为一个计费单位，并为 speech-turbo 和 speech-hd 模式设定了不同的费率。

speech-turbo

计费依据

提交的提示词字符数

APIXO 价格

$0.06 / 1000 chars

speech-hd

计费依据

提交的提示词字符数

APIXO 价格

$0.10 / 1000 chars

模式	计费依据	APIXO 价格
speech-turbo	提交的提示词字符数	$0.06 / 1000 chars
speech-hd	提交的提示词字符数	$0.10 / 1000 chars

常见费用示例

示例：使用 speech-turbo 模型处理 2500 字符 = 2.5 x $0.06 = $0.15。

正在检查 API 访问权限...

登录以领取免费积分并使用此模型进行创作。

与 AI 集成

复制一段提示词，让您的 AI 助手安装 APIXO MCP、读取实时 schema 并将此模型接入您的应用。

接口地址

创建任务

POSThttps://api.apixo.ai/api/v1/generateTask/minimax-speech-2-8

轮询状态

GEThttps://api.apixo.ai/api/v1/statusTask/minimax-speech-2-8?taskId={taskId}

请求体

request_type

async

通过 callback_url 使用回调以实现 Webhook。

input

对象

模式、提示词、参考图、尺寸、时长和音频设置。

request_type必填

类型select

使用异步模式轮询任务状态 (poll statusTask)，或使用回调模式在结果就绪时接收 webhook 通知。async · callback

callback_url有条件的

类型text

用于接收回调通知的公开 HTTPS URL。仅限 request_type=callback

mode必填

类型select

语音质量模式。speech-turbo · speech-hd

voice_id必填

类型text

使用 MiniMax 官方文档提供的预设 voice_id，或使用由 MiniMax Voice 创建的自定义 voice_id。

prompt必填

类型string

要合成的文本。需要时支持使用停顿和情感标签。

pronunciation_dict可选

类型list

可选的发音覆盖，例如 Omg/Oh my god。

speed可选

类型slider

语速，范围从 0.5 到 2.0。

volume可选

类型slider

输出音量，范围 0.1 到 10.0。

pitch可选

类型slider

音高调节，范围 -12 到 12。

emotion可选

类型select

可选的情绪语调。happy · sad · angry · fearful · disgusted · surprised · neutral

sample_rate可选

类型select

音频采样率，单位 Hz。8000 · 16000 · 22050 · 24000 · 32000 · 44100

bitrate可选

类型select

音频比特率，单位 bps。32000 · 64000 · 128000 · 256000

channel可选

类型select

单声道或立体声输出。1 · 2 · mono · stereo

format可选

类型select

输出音频格式。mp3 · wav · pcm · flac

language_boost可选

类型select

用于发音和韵律的可选语言提示。auto · English · Chinese · Chinese,Yue · 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

参数	类型	必填项	描述
`request_type`	select	必填	使用异步模式轮询任务状态 (poll statusTask)，或使用回调模式在结果就绪时接收 webhook 通知。async · callback
`callback_url`	text	有条件的	用于接收回调通知的公开 HTTPS URL。仅限 request_type=callback
`mode`	select	必填	语音质量模式。speech-turbo · speech-hd
`voice_id`	text	必填	使用 MiniMax 官方文档提供的预设 voice_id，或使用由 MiniMax Voice 创建的自定义 voice_id。
`prompt`	string	必填	要合成的文本。需要时支持使用停顿和情感标签。
`pronunciation_dict`	list	可选	可选的发音覆盖，例如 Omg/Oh my god。
`speed`	slider	可选	语速，范围从 0.5 到 2.0。
`volume`	slider	可选	输出音量，范围 0.1 到 10.0。
`pitch`	slider	可选	音高调节，范围 -12 到 12。
`emotion`	select	可选	可选的情绪语调。happy · sad · angry · fearful · disgusted · surprised · neutral
`sample_rate`	select	可选	音频采样率，单位 Hz。8000 · 16000 · 22050 · 24000 · 32000 · 44100
`bitrate`	select	可选	音频比特率，单位 bps。32000 · 64000 · 128000 · 256000
`channel`	select	可选	单声道或立体声输出。1 · 2 · mono · stereo
`format`	select	可选	输出音频格式。mp3 · wav · pcm · flac
`language_boost`	select	可选	用于发音和韵律的可选语言提示。auto · English · Chinese · Chinese,Yue · 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

示例 (cURL)

curl -X POST "https://api.apixo.ai/api/v1/generateTask/minimax-speech-2-8" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "request_type": "async",
    "input": {
      "mode": "speech-turbo",
      "voice_id": "preset_english_043",
      "prompt": "Welcome to APIXO. Build a MiniMax Speech 2.8 API workflow for fast text to speech previews, product onboarding, and customer-facing voice experiences.",
      "speed": 1.02,
      "volume": 1,
      "pitch": 0,
      "emotion": "happy",
      "format": "mp3",
      "sample_rate": 24000,
      "bitrate": 128000,
      "channel": "stereo",
      "language_boost": "English"
    }
  }'

完整 API 文档

能力

为生动表达而构建的语音控制

原生音效标签

Speech 2.8 引入了模拟的插入语和人声事件，如呼吸、轻笑、咳嗽、叹气和清嗓子。这些提示有助于在书面对白中加入对话式的瑕疵，而不是千篇一律的完美表达。

情感表现

APIXO 提供七种情绪方向：高兴、悲伤、愤怒、恐惧、厌恶、惊讶和中性。情绪与所选的声音和脚本协同作用，因此团队应评估其在完整段落中的一致性。

更纯净的人声输出

MiniMax 将 Speech 2.8 定位于减少背景噪音和合成音频瑕疵。当旁白清晰度比 Turbo 层的低价更重要时，HD 层旨在提供更高保真度的交付。

跨语言合成

该模型系列支持文档中记录的 40 种语言的语音合成。APIXO 的 language-boost 设置提供了明确的发音和韵律提示，支持包括粤语在内的多种欧洲和亚洲语言。

灵活的语音选择

使用已记录的 MiniMax 预设语音 ID，或传入通过 MiniMax Voice 事先创建的可复用自定义语音 ID。该合成路径会使用该身份，但本身不创建或克隆语音。

发音覆盖

APIXO 提供发音词典功能，用于需要特定发音形式的术语。这对于产品名称、缩写、不常见的名字以及不应仅依赖自动发音的领域词汇非常有用。

质量等级

选择快速迭代或高保真语音

用于高效迭代的 Speech 2.8 Turbo

APIXO 将 Speech Turbo 映射到 MiniMax 的 speech-2.8-turbo 层级。它是用于预览、频繁更改的脚本、应用程序消息以及需要富有表现力的合成效果但无需 HD 费率的工作流的默认低成本选项。

$0.06 / 1千字符

用于最终交付的 Speech 2.8 HD

h1Xyew

$0.10 / 1千字符

规格

APIXO 上的 Speech 2.8 输出控制

经当前公开路径验证的合成与编码选项。

10,000 字符

文本限制

预设 / 自定义 ID

声音来源

0.5–2.0

语速

8 / 16 / 22.05 / 24 / 32 / 44.1 KHZ

采样率

32 / 64 / 128 / 256 KBPS

比特率

单声道 / 立体声

声道

应用场景

MiniMax Speech 2.8 生产工作流

产品之声

引导式应用体验

使用经过测试的预设或自定义语音 ID，生成产品引导旁白、助手回复、帮助提示和语音通知。Turbo 模式支持快速脚本迭代，而发音覆盖功能则有助于保持产品术语的一致性。

长篇媒体内容

旁白和有声读物

将章节、文章、解说词或播客脚本转换为可控的旁白。将较长的作品分解为经审校的片段，确保在整个作品中保持适当的节奏、发音、情感和声音特征。

本地化

多语言营销活动音频

通过明确的语言提示，合成适用于本地市场的广告、课程、产品演示和数字人解说音轨。发布前，请与母语者一同审核人名、中英夹杂的段落、地区性发音和情感语调。

互动媒体

角色与游戏对话

将声音标签和情感控制应用于角色台词、分支对话、教育场景或无障碍旁白。当角色是使用授权的源材料单独创建时，自定义语音 ID 可以支持这些角色的重复出现。

说明与常见问题

Speech 2.8 的要求和声音边界

重要说明

APIXO 要求提供质量模式、有效的语音 ID 和非空的合成文本。处理完空白字符后，提示词长度上限为 10000 个字符。

自定义声音创建属于独立的 MiniMax Voice 路由；此接口地址仅接受已有的自定义声音 ID。

APIXO 的文档指出，典型处理时间为 5-30 秒，但延迟会因文本长度、层级、队列负载和路由健康状况而异。

该公共路由不提供参考音频、语音到语音转换、实时流式传输、字幕或时间戳对齐功能。

发音、语码转换、情感和说话人特征应在完整段落中进行审核，而不是孤立的样句。

技术上有效的自定义语音 ID 并不代表您已获得该声音的同意使用权或商业权利。

可以在提示词文本中嵌入如呼吸、轻笑、叹息等表达性声音标签，以生成更自然的对话。

一个技术上有效的自定义 voice_id 并不代表您已获得对该语音的同意或商业使用权。

常见问题解答

APIXO 提供两种 MiniMax Speech 2.8 层级：通过 Speech Turbo 提供 speech-2.8-turbo，通过 Speech HD 提供 speech-2.8-hd。此路由不包含 Speech 2.6、Speech-02、Speech-01 或独立的 MiniMax Voice 工作流程。