MiniMax TTS

MiniMax 语音合成技能（TTS）。使用 MiniMax API 将文本转换为语音。触发场景：(1) 用户请求将文本转换为语音，(2) 用户需要特定音色的语音合成，(3) 用户想要生成不同语言的语音，(4) 用户需要长文本语音合成，(5) 用户想要克隆自己的声音。支持的模型：speech-2.8-hd, speech-2.8-turbo, speech-2.6-hd, speech-2.6-turbo 等。支持情绪控制：happy, sad, angry, fearful, disgusted, surprised, calm, fluent, whisper。

MiniMax 语音合成技能

功能概览

功能	API 端点	说明
异步语音合成	/v1/t2a_async_v2	长文本语音合成（推荐）
查询任务状态	/v1/query/t2a_async_query_v2	查询异步任务进度
音色快速复刻	/v1/voice_clone	克隆自定义音色
查询可用音色	/v1/get_voice	获取音色列表
删除音色	/v1/del_voice	删除自定义音色

重要说明

同步端点 /v1/t2a_v1 已停用，返回 404。请使用异步端点 /v1/t2a_async_v2。

工作流程

text

文本 → 创建任务 → 轮询状态 → 获取file_id → 下载音频 → 本地保存

快速开始

异步语音合成

python

import requests
import os

API_KEY = os.getenv("MINIMAX_API_KEY")

# 1. 创建任务
response = requests.post(
    "https://api.minimaxi.com/v1/t2a_async_v2",
    headers={
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    },
    json={
        "model": "speech-2.8-hd",
        "text": "你好，欢迎使用 MiniMax 语音合成服务",
        "voice_setting": {
            "voice_id": "Chinese (Mandarin)_Lyrical_Voice",
            "speed": 1.0,
            "vol": 1.0,
            "pitch": 0,
            "emotion": "happy"
        },
        "audio_setting": {
            "audio_sample_rate": 32000,
            "format": "mp3",
            "bitrate": 128000,
            "channel": 1
        }
    }
)

task_id = response.json()["task_id"]

# 2. 查询状态
status_resp = requests.get(
    f"https://api.minimaxi.com/v1/query/t2a_async_query_v2?task_id={task_id}",
    headers={"Authorization": f"Bearer {API_KEY}"}
)
status = status_resp.json()["status"]  # Processing / Success / Failed

# 3. 下载音频
if status == "Success":
    file_id = status_resp.json()["file_id"]
    file_resp = requests.get(
        f"https://api.minimaxi.com/v1/files/retrieve?file_id={file_id}",
        headers={"Authorization": f"Bearer {API_KEY}"}
    )
    download_url = file_resp.json()["file"]["download_url"]
    
    # 保存到本地
    save_dir = "~/.openclaw/workspace/assets/audios"
    os.makedirs(save_dir, exist_ok=True)
    save_path = os.path.join(save_dir, "output.mp3")
    
    audio_resp = requests.get(download_url)
    with open(save_path, 'wb') as f:
        f.write(audio_resp.content)

支持的模型

模型	说明	适用场景
speech-2.8-hd	高清语音（推荐）	高质量要求
speech-2.8-turbo	快速语音	低延迟
speech-2.6-hd	高清语音	标准质量
speech-02-hd	标准高清	通用场景
speech-01-hd	基础高清	简单场景

音色设置 (voice_setting)

参数	类型	默认值	说明
voice_id	string	必填	音色 ID
speed	float	1.0	语速 [0.5, 2]
vol	float	1.0	音量 (0, 10]
pitch	int	0	语调 [-12, 12]
emotion	string	-	情绪控制

情绪选项

happy, sad, angry, fearful, disgusted, surprised, calm, fluent, whisper

常用系统音色

语言	voice_id	说明
中文	Chinese (Mandarin)_Lyrical_Voice	抒情女声
中文	Chinese (Mandarin)_HK_Flight_Attendant	空乘女声
英文	English_Graceful_Lady	优雅女声
英文	English_Persuasive_Man	说服力男声
日文	Japanese_Whisper_Belle	日文低语

音频设置 (audio_setting)

参数	可选值	默认值
audio_sample_rate	8000, 16000, 22050, 24000, 32000, 44100	32000
bitrate	32000, 64000, 128000, 256000	128000
format	mp3, pcm, flac	mp3
channel	1 (单声道), 2 (双声道)	1

声音效果器 (voice_modify)

参数	类型	说明
pitch	int	音高调整 [-100, 100]
intensity	int	强度调整 [-100, 100]
timbre	int	音色调整 [-100, 100]
sound_effects	string	音效

音效选项

• spacious_echo - 空旷回音
• auditorium_echo - 礼堂广播
• lofi_telephone - 电话失真
• robotic - 电音

音色快速复刻

1. 上传音频文件获取 file_id
2. 调用 /v1/voice_clone 进行复刻
3. 使用复刻的 voice_id 进行语音合成

输出目录

生成的音频保存在：~/.openclaw/workspace/assets/audios/

脚本工具

• scripts/tts_sync.py - 异步语音合成（自动保存本地）
• scripts/tts_async.py - 异步语音合成 + 状态查询
• scripts/voice_clone.py - 音色复刻
• scripts/voice_list.py - 查询可用音色

命令行用法

bash

# 语音合成
python tts_sync.py "要转换的文本" --voice "Chinese (Mandarin)_Lyrical_Voice"

# 查询音色列表
python voice_list.py --type all

# 音色复刻
python voice_clone.py --file-id 123456789 --voice-id "my_voice"

API 参考

详细文档：

• references/tts-async.md - 异步语音合成
• references/voice-clone.md - 音色复刻
• references/voice-management.md - 音色管理