TTS，全称为 Text-to-Speech，即文本转语音。TTS 模型是一种将书面文本自动转换为人类可听的语音的人工智能模型。它的最终目标是生成听起来尽可能自然、清晰、富有表现力的语音，如同真人说话一般。 MiniMax speech 系列目前包含 speech-2.6 和 speech-2.8-

基于小米 MiMo v2.5 的文本转语音（TTS）接口，兼容 OpenAI 对话格式，通过 /v1/chat/completions 端点调用。内置 9 种预置音色（mimo_default 及中文「冰糖 / 茉莉 / 苏打 / 白桦」、英文「Mia / Chloe / Milo / Dean」）

基于小米 MiMo v2.5 的文本设计音色（Voice Design）文本转语音接口，兼容 OpenAI 对话格式，通过 /v1/chat/completions 端点调用。无需提供任何音频样本，只需在 user 消息中用一句自然语言描述想要的音色特征（如 "Give me a young fem

基于小米 MiMo v2.5 的音色复刻（Voice Clone）文本转语音接口，兼容 OpenAI 对话格式，通过 /v1/chat/completions 端点调用。只需在 audio.voice 中以 data:{MIME_TYPE};base64,... 形式传入一段参考音频（支持 mp3

MiMo V2 TTS 是小米 MiMo 大模型推出的文字转语音功能，基于 /v1/chat/completions 端点，支持 mimo_default、default_zh、default_en 三种预置音色，并可通过 <style> 标签灵活控制情绪、语速、方言及场景风格（如唱歌、角色扮演等）

概念介绍 STT(Speech-to-Text)是将语音转换为文本的技术，基于OpenAI Whisper模型实现。适用于： 语音笔记转文字 会议录音转文字稿 语音助手开发 音频内容分析 gpt-4o-transcribe 是 Openai 2025上半年最新的语音识别转录 STT模型。 API接口

qwen3.8-omni-flash 是通义千问全模态模型，具备强大的音频理解能力：通过文本提示词指定任务，可将语音精准转写为文字（STT），同时能描述环境声、音乐元素（如风格、乐器）、说话人情绪等音频内容，适用于语音转写、会议纪要、音频内容分析、安全审核、意图识别等多个领域。 📍 请求地址 htt

上传音频文件用于声音克隆，支持两种用途： voice_clone: 上传复刻音频，用于快速复刻原始声音 prompt_audio: 上传示例音频，用于增强语音合成的音色相似度和稳定性 请求地址 https://api.apexrouter.top/v1/responses 模型名称 minimax-

使用本接口进行音色快速复刻，支持可选的降噪、音量归一化等音频处理功能，并可生成试听音频。复刻得到的音色若 7 天内未正式调用，则系统会删除该音色。 请求地址 https://api.apexrouter.top/v1/responses 模型名称 minimax-clone-lastversion

基于 MiniMax 最新 speech-2.8-hd 模型的文本转语音接口，支持同步与流式两种输出方式。提供 9 种情绪控制和 19 种语气词标签，支持最多 4 种音色按权重混合，内置声音效果器可调节音高、强度和音色，并可添加回音、电音等音效。同时支持停顿控制、注音替换、LaTeX 公式朗读，覆盖