MiniMax API 技术调研报告

生成时间：2026-03-24 14:30 JST 调研人：ユキ（AI研究助理） 数据来源：官方文档 + Coding Plan 实测验证

1. 技术架构概述

核心 API 端点

Base URL：https://api.minimaxi.com
认证：Authorization: Bearer ${MINIMAX_API_KEY}

2. 语音模型体系

TTS 模型对比

语言支持：40种语言，覆盖中日英韩 + 东南亚 + 中东 + 欧洲

3. 四大功能详细分析

3.1 语音克隆

端点：POST https://api.minimaxi.com/v1/voice_clone

工作流程：

1. 上传待克隆音频（10秒~5分钟，mp3/m4a/wav，<20MB）
2. （可选）上传参考音频（<8秒，增强克隆效果）
3. 调用克隆接口，获取 voice_id
4. 使用 voice_id 调用 TTS

关键参数：file_id、voice_id、model（推荐speech-2.8-hd）

限制：下载URL有效期仅9小时

❌ Coding Plan 不支持：返回 404

3.2 同步语音合成（WebSocket）

端点：wss://api.minimaxi.com/ws/v1/t2a_v2

工作流程：建立WSS连接 → 发送task_start → 发送task_continue(文本) → 流式接收音频chunk

参数：model、voice_id、speed、pitch、vol、sample_rate、bitrate、format

文本限制：单次最大 10,000 字符

✅ Coding Plan 支持：POST /v1/t2a_v2 ✅ 已验证

3.3 异步语音合成

端点：POST https://api.minimaxi.com/v1/t2a_async_v2

高级功能：字幕/发音字典/声音特效/语言增强

文本限制：最大 10万字符

❌ Coding Plan 不支持：返回 404

3.4 图像生成

端点：POST https://api.minimaxi.com/v1/image_generation

功能：文生图、图生图、角色一致性（subject_reference）

请求参数：model（image-01）、prompt、aspect_ratio（16:9/9:16/1:1/4:3）、response_format（base64/url）

✅ Coding Plan 支持：已验证可用，角色一致性功能 ✅

4. 成本分析

TTS 成本对比（¥/万字符）

TTS成本排名：

MiniMax turbo ¥2 < MiniMax hd ¥3.5 < Google Standard ¥3 < ElevenLabs ¥20+ < OpenAI ¥22

图像生成成本对比（¥/张）

MiniMax图像成本是竞品的1/50~1/200。

文本模型成本（¥/百万token）

5. 适用场景

猫舍应用建议

1. 猫咪解说视频配音 → ✅ 同步TTS + Japanese_GracefulMaiden
2. 品牌故事音频 → ✅ 同步TTS + speech-2.8-hd
3. SNS配图生成 → ✅ 图像生成（冰淇淋配色融入prompt）
4. 语音克隆 → ❌ Coding Plan不支持，需升级套餐

6. 优劣势总结

✅ 优势

1. 模型质量高：speech-2.8-hd音色逼真，image-01生成效果出色
2. 语言覆盖广：40种语言，中日韩语支持完善
3. 多场景覆盖：TTS + 语音克隆 + 异步处理 + 图像生成
4. 角色一致性：图像生成支持固定角色特征
5. 价格极低：TTS比OpenAI便宜6倍，图像是竞品1%
6. Coding Plan支持：TTS和图像生成已在Coding Plan中可用

❌ 劣势

1. 语音克隆需付费套餐：Coding Plan不支持
2. 异步TTS不支持：Coding Plan不支持异步端点
3. 下载URL有效期短：仅9小时
4. 文档更新频繁：功能可能变动

7. 测试代码

同步TTS（已验证✅）

import requests, os

api_key = os.getenv("MINIMAX_API_KEY")
url = "https://api.minimaxi.com/v1/t2a_v2"

payload = {
    "model": "speech-2.8-hd",
    "text": "福楽キャッテリーへようこそ。",
    "voice_setting": {"voice_id": "Japanese_GracefulMaiden", "speed": 1.0},
    "audio_setting": {"sample_rate": 32000, "bitrate": 128000, "format": "mp3"}
}

response = requests.post(url,
    headers={"Authorization": f"Bearer {api_key}"},
    json=payload)
audio_hex = response.json()["data"]["audio"]
with open("output.mp3", "wb") as f:
    f.write(bytes.fromhex(audio_hex))

图像生成（已验证✅）

import base64, requests, os

api_key = os.getenv("MINIMAX_API_KEY")
url = "https://api.minimaxi.com/v1/image_generation"

payload = {
    "model": "image-01",
    "prompt": "A fluffy Siberian cat on a mint cushion, pastel color scheme",
    "aspect_ratio": "16:9",
    "response_format": "base64"
}

response = requests.post(url,
    headers={"Authorization": f"Bearer {api_key}"},
    json=payload)
images = response.json()["data"]["image_base64"]
for i, img in enumerate(images):
    with open(f"output-{i}.jpeg", "wb") as f:
        f.write(base64.b64decode(img))

8. 结论

升级建议：若需语音克隆，需升级MiniMax套餐或使用ElevenLabs等付费API。

附录：相关链接

• MiniMax API 文档首页
• 语音克隆指南
• 同步TTS WebSocket指南
• 异步TTS指南
• 图像生成指南
• 产品定价

报告生成：ユキ @ 2026-03-24