BeefAPI语音合成与音乐
用 /v1/audio/speech 合成语音或生成音乐，并区分按字符与按首计费。
语音合成与音乐生成共用入口 POST /v1/audio/speech：model 决定能力，input 是要合成的文本或音乐描述。
| 模型 ID | 用途 | 输入 | 计费单位 |
|---|---|---|---|
minimax-speech-2.8-hd | 语音合成，高保真，支持情绪与语气词标签 | input 为文本 | 按合成字符 |
minimax-speech-2.8-turbo | 语音合成，能力同 2.8-HD，时延更低 | input 为文本 | 按合成字符 |
minimax-music-v3.0 | 音乐生成 | input 为音乐描述 | 按首 |
精确型号与开放范围以带企业 Key 的 模型目录 和 模型与价格 为准。
语音合成
curl --fail-with-body https://enterprise.beefapi.com/v1/audio/speech \
-H "Authorization: Bearer $BEEFAPI_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"minimax-speech-2.8-turbo","input":"大家好，欢迎来到今天的会议。","voice":"male-qn-qingse","response_format":"mp3"}' \
-o speech.mp3| 字段 | 说明 |
|---|---|
model | 上表中的语音型号 |
input | 待合成文本，单次少于 10,000 字符 |
voice | 音色 ID，必填 |
response_format | mp3（默认）、wav、flac、pcm、opus、aac |
speed | 语速，取值范围 0.5–2 |
metadata | 厂商扩展字段，例如 {"voice_setting":{"emotion":"happy"}}、"language_boost"、"subtitle_enable" |
成功时直接返回音频字节，Content-Type 与 response_format 对应（默认 audio/mpeg）。当前型号不提供流式合成，一次请求拿到完整文件；不要靠多次短请求拼流。
音乐生成
curl --fail-with-body --location https://enterprise.beefapi.com/v1/audio/speech \
-H "Authorization: Bearer $BEEFAPI_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"minimax-music-v3.0","input":"轻快的钢琴小品","metadata":{"is_instrumental":true}}' \
-o music.mp3| 字段 | 说明 |
|---|---|
input | 音乐描述；is_instrumental 为 true 时必填 |
metadata.lyrics | 歌词，带人声时必填，支持 [Verse]、[Chorus] 等结构标签 |
metadata.is_instrumental | true 生成纯音乐 |
metadata.lyrics_optimizer | true 由模型自动生成歌词 |
音乐生成明显慢于语音：实测一次生成需要约 1.5–2 分钟，请把客户端超时设到 5 分钟以上。上游以临时地址返回音频，接口会以 302 跳转到该地址，因此需要用 --location 跟随重定向。不要把临时地址当作永久素材链接，也不要使用 --location-trusted，避免把 Key 转发给文件托管域名。
计费与重试
语音按实际合成的字符数计费，音乐按首计费，具体单价见 模型与价格。用时与字符数都会因文本、音色和情绪不同而变化，不要用一次调用推算全部成本。
失败时接口会返回上游错误码与中文说明。若提示仍在生成中，请稍后重试同一请求，不要并行发起多次生成。生成结果未取回前不要重复计费提交。