MiniMax Speech 2.8

MiniMax Speech 2.8 (minimax/speech-2.8-hd и minimax/speech-2.8-turbo) — синтез речи, в том числе на русском. В поле voices каталога — 45 готовых системных голосов (English_Graceful_Lady, English_expressive_narrator и другие). Префикс English_ — язык эталонной записи, а не ограничение: язык модель определяет по тексту и русский читает этими же голосами. Кроме списка, voice принимает и другие идентификаторы голосов MiniMax.

Версия	Ключ	Когда брать
HD	`minimax/speech-2.8-hd`	Озвучка, где слышно качество: ролики, аудиокниги
Turbo	`minimax/speech-2.8-turbo`	Массовая озвучка и интерактив, где важнее скорость и цена

Параметры

POST /v1/audio/speech:

Поле	Описание
`input`	Текст, обязательное
`model`	Ключ модели
`voice`	Идентификатор голоса MiniMax
`speed`	Скорость речи

Ответ приходит в mp3. Тариф — за символы входа, поэтому цена озвучки считается по длине текста ещё до запроса.

from openai import OpenAI

client = OpenAI(base_url="https://api.mixen.ai/v1", api_key=MIXEN_API_KEY)

speech = client.audio.speech.create(
    model="minimax/speech-2.8-hd",
    input="Здравствуйте! Это пример синтеза речи.",
    voice="female-shaonv",
)
speech.write_to_file("hello.mp3")

curl https://api.mixen.ai/v1/audio/speech \
  -H "Authorization: Bearer $MIXEN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "minimax/speech-2.8-hd", "input": "Здравствуйте!", "voice": "female-shaonv"}' \
  --output hello.mp3

Что учесть

Голоса у разных моделей разные. У grok-voice-tts-1.0, Gemini TTS и Qwen наборы закрытые, и они перечислены в поле voices каталога; неверный голос там вернёт 400. У MiniMax в voices — готовые голоса, но набор открытый: подойдёт и другой идентификатор голоса MiniMax.
Считайте цену по входу, а не по длительности. Длинный текст с паузами и коротким звучанием стоит столько же, сколько плотный: тариф смотрит на символы.

Полный список синтеза с ценами — в каталоге, общий гайд по эндпоинту — Синтез речи.