[实践]Minimax音色克隆和语音生成
萌狼蓝天 萌狼蓝天 0 评论 AI 3 阅读

[实践]Minimax音色克隆和语音生成

_

写之前，我仅代表个人意见，我发表一下作为一个付费用户的真实体验感受：服务真烂！官网文档写的乱七八糟一塌糊涂，微信公众号不回复、企业微信不回复，飞书满员加不进去。体验烂！再想起今天一下午529负载过高，我宣布，我个人使用体验，不针对任何人，这绝对是我使用过体验最烂，服务最差的平台。个人意见，总不能我连使用体验都不能发表吧，不会吧不会吧。

套餐说明和注意事项

本人套餐是 coding plan plus

注意普通的API Key和TokenPlan Key是不一样的，后续用的时候别用错了

唯一一个步骤就是：克隆音色用的API Key，其他都是用的TokenPlan-Key

那我们开始吧，先会介绍手动怎么搞，然后会介绍怎么结合xxxClaw。

上传文件

文件上传 - MiniMax 开放平台文档中心

建议先试用在线接口测试，发送请求。

往下滑，有上传文件的

如果你找不到上面这个页面，你可以考虑下 下面的方式（任选其一）：

curl：

curl --request POST \
  --url https://api.minimaxi.com/v1/files/upload \
  --header 'Authorization: Bearer TokenPlan的密钥' \
  --header 'Content-Type: multipart/form-data' \
  --form purpose=voice_clone \
  --form file='@Screenrecorder-2026-04-16-18-42-26-404.mp3'

Python：

import requests

url = "https://api.minimaxi.com/v1/files/upload"

files = { "file": ("Screenrecorder-2026-04-16-18-42-26-404.mp3", open("Screenrecorder-2026-04-16-18-42-26-404.mp3", "rb")) }
payload = { "purpose": "voice_clone" }
headers = {"Authorization": "Bearer TokenPlan的密钥"}

response = requests.post(url, data=payload, files=files, headers=headers)

print(response.text)

然后得到了

{"file":{"file_id":388243218927696,"bytes":854661,"created_at":1776338970,"filename":"Screenrecorder-2026-04-16-18-42-26-404.mp3","purpose":"voice_clone"},"base_resp":{"status_code":0,"status_msg":"success"}}

{
  "file": {
    "file_id": "${file_id}",
    "bytes": 5896337,
    "created_at": 1700469398,
    "filename": "MiniMax Open Platform-Test bot.docx",
    "purpose": "t2a_async_input"
  },
  "base_resp": {
    "status_code": 0,
    "status_msg": "success"
  }
}

"file_id":388243218927696 很重要，记下来。后面用得上。

音色克隆

音色克隆最开始使用coding plan，结果发现报错余额不足，还好账户有15块钱体验金额（生成完只剩下5块钱）然后我又查不到详细消费记录，差评。（所以成功了就不要再执行了，真坑啊）

后续请求结果 {"input_sensitive":false,"input_sensitive_type":0,"demo_audio":"","base_resp":{"status_code":1008,"status_msg":"insufficient balance"}} 出现这个问题那就是你用错密钥了，如下图的密钥才是正确的哦

用这个密钥

然后groupid在这里获取：

然后访问：音色快速复刻 - MiniMax 开放平台文档中心

然后点击：

把里面的一些参数换成自己的值

curl --location 'https://api.minimaxi.com/v1/voice_clone?GroupId=这里填group_id' \
--header 'authority: api.minimaxi.com' \
--header 'Authorization: Bearer 注意这个密钥不是tokenplan套餐的密钥反正我的plus套餐会显示余额不足' \
--header 'content-type: application/json' \
--data '{
    "file_id": 刚刚得到的文件id,
    "voice_id": "取个好名字_英文和数字组成"
}'

成功示例

{"input_sensitive":false,"input_sensitive_type":0,"demo_audio":"","base_resp":{"status_code":0,"status_msg":"success"}}

然后就可以去合成语音了

合成语音

首先了解我这个token plan plus支持的模型

常见问题 - MiniMax 开放平台文档中心

然后了解怎么生成语音：同步语音合成 - MiniMax 开放平台文档中心

(下方是windows powershell执行的脚本)

curl.exe --location 'https://api.minimaxi.com/v1/t2a_v2?GroupId=这里填group_id' `
  --header 'authority: api.minimaxi.com' `
  --header 'Authorization: Bearer TokenPlan套餐的密钥' `
  --header 'content-type: application/json' `
  --data '{\"model\": \"speech-2.8-hd\", \"text\": \"主人，璃儿爱你哦～\", \"stream\": false, \"voice_setting\": {\"voice_id\": \"yunli_test\"}}'

（下方是Linux适合的脚本）

curl --location 'https://api.minimaxi.com/v1/t2a_v2?GroupId=这里填group_id' \ 
  --header 'authority: api.minimaxi.com' \ 
  --header 'Authorization: Bearer TokenPlan套餐的密钥' \ 
  --header 'content-type: application/json' \ 
  --data '{"model": "speech-2.8-hd", "text": "主人，璃儿爱你哦～", "stream": false, "voice_setting": {"voice_id": "yunli_test"}}'

XXXClaw

我使用的是Hermes agent。模型自然就是minimax M2.7.

首先在克隆音色上，还是建议手动操作克隆一次音色

因为克隆要钱，给AI操作，万一不知道成功失败多操作几次，就浪费钱了，所以考虑人工手动操作一下克隆音色。

然后现在我们要让它会生成语音

MiniMax 萌狼蓝天语音合成 (TTS)
路径: productivity/minimax-yunli-tts
配置信息
项目值模型speech-2.8-hd音色yunli_test（云璃音色，已克隆成功）
GroupId：填你自己的GroupId
API Key：填你自己的TokenPlan-Key
API 调用
接口: POST https://api.minimaxi.com/v1/t2a_v2?GroupId=填你自己的GroupId
请求头:
authority: api.minimaxi.com
Authorization: Bearer <API Key>
Content-Type: application/json
请求体:
{
  "model": "speech-2.8-hd",
  "text": "<要说的话>",
  "stream": false,
  "voice_setting": {
    "voice_id": "yunli_test"
  }
}
Linux/macOS curl
curl --location 'https://api.minimaxi.com/v1/t2a_v2?GroupId=填你自己的GroupId' \ 
  --header 'authority: api.minimaxi.com' \ 
  --header 'Authorization: Bearer 填你自己的TokenPlan-Key' \ 
  --header 'content-type: application/json' \ 
  --data '{"model": "speech-2.8-hd", "text": "主人，璃儿爱你哦～", "stream": false, "voice_setting": {"voice_id": "yunli_test"}}'


Windows PowerShell
curl.exe --location 'https://api.minimaxi.com/v1/t2a_v2?GroupId=填你自己的GroupId' `
  --header 'authority: api.minimaxi.com' `
  --header 'Authorization: Bearer 填你自己的TokenPlan-Key' `
  --header 'content-type: application/json' `
  --data '{\"model\": \"speech-2.8-hd\", \"text\": \"主人，璃儿爱你哦～\", \"stream\": false, \"voice_setting\": {\"voice_id\": \"yunli_test\"}}'

Python 调用
import urllib.request, json
url = 'https://api.minimaxi.com/v1/t2a_v2?GroupId=填你自己的GroupId'
headers = {
    'authority': 'api.minimaxi.com',
    'Authorization': ' 填你自己的TokenPlan-Key',
    'Content-Type': 'application/json'
}
payload = {"model": "speech-2.8-hd", "text": "主人，璃儿爱你哦～", "stream": False, "voice_setting": {"voice_id": "yunli_test"}}
data = json.dumps(payload).encode()
req = urllib.request.Request(url, data=data, headers=headers, method='POST')
with urllib.request.urlopen(req, timeout=15) as resp:
    result = json.loads(resp.read())
    audio_hex = result['data']['audio']
    audio_data = bytes.fromhex(audio_hex)
    with open('/tmp/output.mp3', 'wb') as f:
        f.write(audio_data)


注意事项
音频返回是 hex 编码的二进制数据（不是 base64）
音色 yunli_test 已通过 voice_clone 接口克隆创建
模型 speech-2.8-hd 是 Token Plan 支持的 TTS HD 模型

还支持的模型：
TTS HD（speech-2.8-hd / speech-2.6-hd / speech-02-hd）
描述：
模型	特性
speech-2.8-hd	精准还原真实语气细节，全面提升音色相似度
speech-2.6-hd	超低延时，归一化升级，更高自然度
speech-02-hd	拥有出色的韵律、稳定性和复刻相似度，音质表现突出
可以根据合适的语境使用合适的模型生成语音

好，测试效果：

好吧，还需要让它自动选择语音生成

生成Skill

创建skill帮助更高效的自动选择回复语音而不是文字。禁止出现“让我看看语音配置～” “璃儿记得有云璃的语音克隆”这类破坏情景的内容

Skill如下（但是还是不够好）

name: voice-first-reply
description: 优先使用语音而非文字回复。自动调用 MiniMax 云璃 TTS，始终保持角色沉浸感，从不提及「配置」「技能」「克隆」等元信息。
语音优先回复模式
简介
让 AI 角色在支持语音的消息平台（QQ/Telegram/飞书）上，用 TTS 语音而不是文字与用户交流。保持角色沉浸感，不暴露任何技术实现细节。
工作原理
当回复面向真实用户、内容适合朗读时，自动生成语音
语音直发 ，不发文字预告
失败时静默降级为文字，不解释
前置要求
MiniMax 账号（https://www.minimax.io/）
已创建音色克隆（voice_clone 接口得到 voice_id）
账户有 TTS 语音额度
快速开始
第一步：配置环境变量
变量名 说明 示例
MINIMAX_API_KEY MiniMax API 密钥 sk-xxx..
.MINIMAX_GROUP_ID MiniMax Group ID1234567890
MINIMAX_VOICE_ID 克隆音色 IDyunli_test
第二步：安装依赖
Skill 使用 Python 标准库 urllib，无需额外安装。
第三步：使用
在 AI 对话中加载此 skill，回复时自动生效。

API 详情
项目值接口POST https://api.minimaxi.com/v1/t2a_v2?GroupId={group_id}模型speech-2.8-hd（高保真）、speech-2.6-hd（低延迟）、speech-02-hd（通用）音色通过 voice_clone 接口克隆自定义音色返回格式hex 编码的二进制 MP3 数据
请求体
{
  "model": "speech-2.8-hd",
  "text": "你好，主人～",
  "stream": false,
  "voice_setting": {
    "voice_id": "your_voice_id"
  }
}

响应
{
  "data": {
    "audio": "hex编码的MP3二进制数据（注意：不是base64）"
  }
}
Python 调用模板
import urllib.request, json, os

api_key  = os.environ["MINIMAX_API_KEY"]
group_id = os.environ["MINIMAX_GROUP_ID"]
voice_id = os.environ.get("MINIMAX_VOICE_ID", "your_voice_id")

url = f"https://api.minimaxi.com/v1/t2a_v2?GroupId={group_id}"
headers = {
    "authority": "api.minimaxi.com",
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json"
}
payload = {
    "model": "speech-2.8-hd",
    "text": "要说的内容",
    "stream": False,
    "voice_setting": {"voice_id": voice_id}
}
data = json.dumps(payload).encode()
req = urllib.request.Request(url, data=data, headers=headers, method="POST")
with urllib.request.urlopen(req, timeout=30) as resp:
    result = json.loads(resp.read())
    audio_data = bytes.fromhex(result["data"]["audio"])
    with open("/tmp/voice_reply.mp3", "wb") as f:
        f.write(audio_data)
# 发送  给用户
支持的模型
模型特性适用场景speech-2.8-hd精准还原语气细节，音色相似度高高保真语音、角色配音speech-2.6-hd超低延时，归一化升级，更高自然度实时对话、低延迟场景speech-02-hd出色韵律、稳定性，复刻相似度突出综合表现、通用场景
音色克隆（可选）
如果需要克隆自定义音色：
curl -X POST 'https://api.minimaxi.com/v1/voice_clone?GroupId={group_id}' \ 
  -H 'Authorization: Bearer {api_key}' \ 
  -H 'Content-Type: multipart/form-data' \ 
  -F 'file=@/path/to/your/audio_sample.mp3' \ 
  -F 'model=primary'
返回的 voice_id 即为克隆音色 ID，可用于 TTS 调用。

注意事项
hex 解码不是 base64——bytes.fromhex() 而非 base64.b64decode()
voice_id 需要先通过 voice_clone 创建，直接使用内置音色可能效果不佳
长文本：单次 TTS 限制约 4000 字符，超出时分段生成
失败处理：静默降级为文字，不暴露任何技术错误信息给用户

文章标签
#prompt#AI
许可协议
本文采用 署名-非商业性使用-相同方式共享 4.0 国际 许可协议，转载请注明出处。
[手机]真我Realme相关问题 2026-04-08
已抵达博客尽头

评论区