Cloud TTS 使用教程

本页面用于配置 Shinsekai 开源项目中的 Cloud TTS 插件。本站仅提供针对 Cloud TTS 的 API 接入服务，并非 API 中转代理，仅用于学习和交流使用。

0. 使用前须知

目前 Cloud API 平台开放的初衷仅是为了让大家体验云端 TTS 效果。MiniMax 官方接口存在每分钟请求频率限制，在高并发或连续合成场景下，偶尔可能出现因触发频率上限而导致单句语音合成失败的情况。我们正在持续优化调度策略，也在持续关注大家的使用反馈，如果需求足够活跃后续会尝试与官方洽谈更深入的合作。

如果您有稳定、高频的使用需求，建议前往各云端 TTS 官网进行充值使用： Qwen（阿里百炼）官方文档 · MiniMax 官方文档

Cloud TTS 插件同时支持自部署云端 GPT-SoVITS 调用、MiniMax 官方接口直连以及 Qwen（阿里百炼）官方接口直连。本 API 平台提供的 MiniMax 接入仅是其中一种方案，您可自行选择最适合的使用方式。

⚠ 使用前请务必确认以下事项：

  1. 目前能直接导入使用的仅有 社区音色库 中可下载的 Voice ID，其他平台合成的 Voice ID 不可以在本平台使用。
  2. 如果想使用音色库以外的音色，需要自己准备 10 秒以上的音频进行复刻。因为角色包基本是使用 GPT-SoVITS 训练，该模型推荐10 秒以下音频，因此基本都需要自己另外准备音频用于复刻。

💰 计费说明

  • 使用社区音色库已有 Voice ID：仅按字符数计费（¥3.5/万字符）。
  • 克隆自己的音色：克隆获取 Voice ID 时仅按填写的试听文本字符数扣除对应金额。
  • ¥9.9 音色复刻费在完成复刻且第一次合成时扣除，因此在对音色满意之前请不要启动聊天窗口进行语音合成。

1. 安装 Cloud TTS 插件

前往 Shinsekai 程序插件列表下载 Cloud TTS 插件，安装后重启 Shinsekai。为了保证使用体验，请确保主程序和插件都为最新版本。也可以前往 GitHub 按照 README 的说明自行安装。

插件列表示例

2. 准备平台 API Key

进入控制台创建 API Key，并确认账户余额足够。API Key 仅用于 Cloud TTS 插件请求鉴权，请勿公开分享。

进入控制台

3. 配置 Cloud TTS 插件

  • 在 Shinsekai 的 API 设置页选择 Cloud TTS / MiniMax provider。
  • MiniMax API KEY 填入本站控制台创建的 API Key。
  • MiniMax Base URL 填入 https://api.end0rph1n.icu/v1。
  • 在插件配置页选择模型为 speech-2.8-hd，目前仅支持该模型。
  • 推荐开启插件提供的所有优化功能。
  • ⚠ 非常重要：请在 Shinsekai 主页面 TTS 配置处关闭「分句生成」功能，否则可能导致合成异常。
插件配置示例 插件配置示例2

4. 导入已有 Voice ID

💰 使用社区音色库已有 Voice ID 仅按字符数计费（¥3.5/万字符），如希望克隆自己的音色，克隆获取 Voice ID 时仅按填写的试听文本字符数扣除对应金额，¥9.9 音色复刻费在完成复刻且第一次合成时扣除，因此在对音色满意之前请不要启动聊天窗口进行语音合成。

在插件配置页按角色需要配置默认 voice_id 与角色 voice_id。如果 Voice ID 没有对应角色包，或角色包没有对应的 Voice ID，在 Cloud TTS 插件最新版本中 Voice ID 可以自由导入给任何角色使用作为代替，点击导入 Voice ID JSON 文件按钮，并在上方配置为所有角色共通的兜底 Voice ID使用。JSON 文件可从 社区语音库 下载。

导入 Voice ID 示例

5. 复刻自己的 Voice ID

  • 在插件设置页面选择对应角色，并选择本地 10 秒以上的参考音频。
  • 可以填写复刻试听文本，本次试听仅按字符数计费试听复刻效果。
  • 在第一次通过该 Voice ID 进行音频合成时，会扣除 ¥9.9 音色复刻费用。
  • 建议先在 充值页面 确认支付前须知后再操作。

点击生成 Voice ID 后，会返回一段试听文本来确认音色是否符合心意，插件面板会出现一个打开试听文件夹的按钮，可以进行试听确认效果。

复刻试听示例

如果你想分享你的 Voice ID，可以点击导出 JSON以及打开试听文件夹获取试听音频，接下来就可以去 社区音色库 上传啦！请确保你已经使用该 Voice ID 进行过一次合成，否则其他用户使用后将成为首个合成用户，代为扣除 ¥9.9 音色复刻费用！（目前上传页已限制该情况发生，请放心）

可用语气标签（嵌入试听文本中）

在试听文本任意位置插入以下标签，可让生成的语音表现出对应语气：

(laughs) 开心、调侃、笑出声 (chuckle) 轻笑、吐槽 (coughs) 咳嗽、掩饰尴尬 (clear-throat) 准备开口、收束气氛 (groans) 痛苦、困扰、不情愿 (breath) 柔和停顿、自然换气 (pant) 慌乱、急促、体力消耗 (inhale) 开口前吸气、震惊前 (exhale) 释然、放松、疲惫 (gasps) 惊讶、突然发现异常 (sniffs) 委屈、鼻音、快哭了 (sighs) 无奈、担心、收束语气 (snorts) 不屑、忍笑、轻蔑 (burps) 打嗝、滑稽 (lip-smacking) 犹豫、思考、略带不满 (humming) 轻声哼、愉快、拖长语气 (hissing) 压低声音、警告、阴沉 (emm) 犹豫、思考停顿 (sneezes) 喷嚏

示例：你好，我(sighs)很喜欢这个(sniffs)但是总觉得哪里不对

6. 请求与计费

插件会向 POST {base_api_url}/t2a_v2 发送合成请求。平台自动使用 output_format=url，音频由插件端下载，以减少平台带宽占用。

扣费按 MiniMax 返回的实际字符数结算；余额不足会返回 402。本站不会向用户暴露上游 MiniMax API Key。

当前支持模型

Minimax Speech 2.8 HD