海螺语音合成与设计

海螺语音合成与设计

使用 Minimax（海螺）API 进行语音合成、声音克隆和音色设计。

功能概述

可用工具

1. list_voices - 获取音色列表

获取系统音色和用户创建的自定义音色。

参数：

• status（可选）: 音色状态过滤，可选值：active（有效）、expired（过期）、all（全部）

示例：

{
  "name": "list_voices",
  "arguments": {
    "status": "active"
  }
}

返回：

{
  "success": true,
  "user_voices": [...],      // 用户创建的音色
  "public_voices": [...],    // 系统公共音色
  "statistics": {
    "user_total_count": 5,
    "user_active_count": 3,
    "public_voices_count": 500
  }
}

2. text_to_audio - 语音合成

将文本转换为语音。

参数：

• text（必填）: 要合成的文本内容，最大 10000 字符
• voice_id（必填）: 音色 ID，可通过 list_voices 获取
• model（可选）: 模型版本，默认 speech-2.8-hd
  • speech-2.8-hd: 最新高清模型，支持语气词标签
  • speech-2.8-turbo: 最新快速模型，支持语气词标签
  • speech-2.6-hd: 高清音质，支持 fluent/whisper 情绪
  • speech-2.6-turbo: 快速模式，支持 fluent/whisper 情绪
• output_format（可选）: 输出格式，url 或 base64，默认 url
• language_boost（可选）: 语言增强，可选 Chinese、English、Japanese、Korean、auto
• speed（可选）: 语速，取值 0.5-2，默认 1.0。值越大语速越快
• pitch（可选）: 语调，取值 -12 到 12，默认 0。正值音调升高，负值音调降低
• vol（可选）: 音量，取值 0-10，默认 1.0

示例：

{
  "name": "text_to_audio",
  "arguments": {
    "text": "各位听众朋友们，大家好！今天我们来聊聊人工智能的发展。",
    "voice_id": "male-qn-qingse",
    "model": "speech-2.8-hd",
    "speed": 1.2,
    "pitch": 2
  }
}

返回：

{
  "success": true,
  "audio_url": "https://...",
  "trace_id": "xxx",
  "price": 1,
  "balance": 990.0
}

3. voice_design - 语音设计

用自然语言描述创建自定义音色，无需上传音频样本。

参数：

• prompt（必填）: 音色描述，用自然语言描述想要的声音特征
• preview_text（可选）: 试听文本，默认 "各位听众朋友们，大家好！"
• voice_name（可选）: 音色名称，方便后续识别

示例：

{
  "name": "voice_design",
  "arguments": {
    "prompt": "年轻女性，声音甜美温柔，语速适中，适合讲故事和温馨内容",
    "preview_text": "今天天气真不错，我们一起出去走走吧。",
    "voice_name": "温柔女声"
  }
}

返回：

{
  "success": true,
  "voice_id": "design_abc123_def456",
  "audio_url": "https://...",
  "voice_name": "温柔女声",
  "expires_at": "2024-01-08 12:00:00",
  "price": 5,
  "balance": 985.0,
  "message": "音色创建成功！可在 7 天内使用此音色进行语音合成"
}

4. upload_audio - 上传音频

上传音频文件到 Minimax，用于声音克隆。

参数：

• audio_url（必填）: 音频文件的 URL 地址
• purpose（可选）: 用途，默认 voice_clone
  • voice_clone: 声音克隆音频，时长 10秒-5分钟
  • prompt_audio: 示例音频，时长 <8秒

文件要求：

• 格式: mp3, m4a, wav
• 大小: ≤ 20MB
• 声音克隆建议时长: 10秒-5分钟

示例：

{
  "name": "upload_audio",
  "arguments": {
    "audio_url": "https://example.com/my-voice-sample.mp3",
    "purpose": "voice_clone"
  }
}

返回：

{
  "success": true,
  "file_id": 123456,
  "filename": "audio_20240101120000.mp3",
  "bytes": 5896337,
  "purpose": "voice_clone",
  "message": "音频上传成功！可使用返回的 file_id 进行声音克隆"
}

5. voice_clone - 声音克隆

通过音频样本创建克隆音色。

参数：

• file_id（必填）: 音频文件 ID，通过 upload_audio 获得
• voice_name（可选）: 音色名称
• text（可选）: 试听文本，默认 "各位听众朋友们，大家好！"
• model（可选）: 模型版本，默认 speech-2.6-hd

示例：

{
  "name": "voice_clone",
  "arguments": {
    "file_id": 123456,
    "voice_name": "我的声音",
    "text": "这是用我的声音合成的一段话。"
  }
}

返回：

{
  "success": true,
  "voice_id": "clone_abc123_def456",
  "audio_url": "https://...",
  "voice_name": "我的声音",
  "expires_at": "2024-01-08 12:00:00",
  "price": 10,
  "balance": 975.0,
  "message": "声音克隆成功！可在 7 天内使用此音色进行语音合成"
}

使用流程

场景 1：直接使用系统音色合成

最简单的方式，直接使用系统内置的音色。

1. 调用 list_voices 获取音色列表
2. 从 public_voices 中选择合适的 voice_id
3. 调用 text_to_audio 进行合成

场景 2：创建自定义音色后合成

用自然语言描述想要的声音，然后使用新音色合成。

1. 调用 voice_design 描述想要的声音特征
2. 获取返回的 voice_id
3. 调用 text_to_audio 使用新音色合成

场景 3：克隆特定声音

上传真实人声样本，克隆后使用。

1. 准备音频文件（10秒-5分钟的清晰人声）
2. 调用 upload_audio 上传音频，获取 file_id
3. 调用 voice_clone 克隆声音，获取 voice_id
4. 调用 text_to_audio 使用克隆音色合成

常用系统音色

完整音色列表请调用 list_voices 获取

注意事项

1. 音色有效期: 用户创建的音色（克隆/设计）有效期为 7 天
2. 文本长度: 单次合成最大 10000 字符
3. 音频要求: 声音克隆的音频需要清晰的人声，避免背景噪音
4. 费用说明:
   • 语音合成按字符数计费，每 1000 字符 1 积分（不足 1000 按 1000 算）
   • 语音设计 5 积分/次
   • 声音克隆 10 积分/次

模型版本说明

关联模型

• minimax/t2a - 语音合成
• minimax/voice-design - 语音设计
• minimax/voice-clone - 声音克隆
• minimax/music-gen - 音乐生成