MiniMax 音色克隆

上传克隆音频

用于上传音色快速复刻的原始音频文件。

POST /v1/files/upload

详见 文件管理 > 上传文件，purpose 使用 voice_clone。音频格式 mp3/m4a/wav，时长 10 秒~5 分钟，≤20 MB。

上传示例音频

用于上传示例音频文件，可增强语音合成的音色相似度和稳定性。

POST /v1/files/upload

详见 文件管理 > 上传文件，purpose 使用 prompt_audio。音频格式 mp3/m4a/wav，时长 <8 秒，≤20 MB。

音色快速复刻

使用本接口进行音色快速复刻。复刻得到的音色若 7 天内未正式调用，系统会自动删除。

POST /v1/voice_clone

请求头

参数名	类型	必填	默认值	说明
Content-Type	string	是	application/json	数据交换格式
Authorization	string	是	-	鉴权信息，格式为 Bearer <API_KEY>

请求体

参数名	类型	必填	说明
file_id	int64	是	源音频文件 ID，通过上传文件接口获取
voice_id	string	是	自定义克隆音色 ID。长度 [8, 256]，字母开头，仅允许字母/数字/-/_，不能以 - 或 _ 结尾，不可与已有 ID 重复
clone_prompt	object	否	示例音频，用于提升相似度和稳定性
clone_prompt.prompt_audio	int64	否	示例音频的文件 ID
clone_prompt.prompt_text	string	否	示例音频的精确文本，需与音频内容完全一致，以标点结尾
text	string	否	试听合成文本，最长 1000 字符。传入后返回试听音频链接，按 T2A 定价计费
model	string	否	试听合成模型，text 存在时必填。可选：speech-2.8-hd、speech-2.8-turbo
language_boost	string	否	增强特定语言/方言识别，或 auto 自动检测。支持中文、英文、日语、韩语、粤语等 40+ 语言
text_validation	string	否	源音频预期转写文本，最长 200 字符。ASR 相似度低于 accuracy 阈值时拒绝请求（错误码 1043）
accuracy	double	否	ASR 相似度阈值，默认 0.7，范围 [0, 1]。与 text_validation 配合使用
need_noise_reduction	boolean	否	是否对源音频进行降噪，默认 false
need_volume_normalization	boolean	否	是否启用音量归一化，默认 false
aigc_watermark	boolean	否	是否在试听音频末尾添加 AIGC 水印节奏标识，默认 false

请求示例

curl --request POST \
  --url https://neolink.com/api/minimax/v1/voice_clone \
  --header 'Authorization: Bearer <API_KEY>' \
  --header 'Content-Type: application/json' \
  --data '{
    "file_id": 123456789,
    "voice_id": "my-custom-voice-001",
    "text": "你好，这是我的克隆音色试听。",
    "model": "speech-2.8-hd",
    "need_noise_reduction": true,
    "need_volume_normalization": true,
    "language_boost": "Chinese"
  }'

成功响应（HTTP 200）

{
  "input_sensitive": {
    "type": 0
  },
  "demo_audio": "https://demo-audio.example.com/audio.wav",
  "extra_info": {
    "audio_length": 3500,
    "audio_sample_rate": 24000,
    "audio_size": 84000,
    "bitrate": 192000,
    "word_count": 14,
    "usage_characters": 14
  },
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  }
}

字段	类型	说明
input_sensitive	object	输入内容审核结果
input_sensitive.type	int	审核类型：0=正常，1=严重违规，2=色情，3=广告，4=违禁，5=辱骂，6=暴恐，7=其他
demo_audio	string	试听音频链接（仅当请求传入 text 和 model 时返回）
extra_info	object	试听音频元数据和计费信息（仅当请求传入 text 时返回）
extra_info.audio_length	int64	音频时长（毫秒）
extra_info.audio_sample_rate	int64	音频采样率
extra_info.audio_size	int64	音频大小（字节）
extra_info.bitrate	int64	比特率
extra_info.word_count	int64	合成字符数（不含标点）
extra_info.usage_characters	int64	计费字符数
base_resp.status_code	int	状态码；具体定义见错误码
base_resp.status_msg	string	状态详情