4Z API

音色快速复刻

接口: POST https://4zapi.com/minimax/v1/voice_clone

https://platform.minimaxi.com/docs/api-reference/voice-cloning-clone 上传的音频文件格式需为：mp3、m4a、wav 格式 上传的音频文件的时长最少应不低于 10 秒，最长应不超过 5 分钟 上传的音频文件大小需不超过 20 mb 若使用该参数，则两个子属性（prompt_audio、prompt_text）都为必填项

请求体 (application/json)

  • file_id (integer, 必填): 待复刻音频的 file_id，通过文件上传接口获得。音频要求：mp3/m4a/wav 格式，10秒-5分钟，<20MB
  • voice_id (string, 必填): 自定义音色 ID（长度 8-256，首字符必须为字母，允许数字/字母/-/，末位不可为 -/ ）
  • accuracy (number): ASR 相似度阈值，默认 0.7，范围 [0, 1]。
  • aigc_watermark (boolean): 是否在试听音频末尾添加音频节奏标识
  • audio_data (string): 待复刻音频的 base64 音频。（audio_url 或 audio_data 至少传一个）
  • audio_url (string): 待复刻音频的 URL 地址（http/https 链接）。音频规范：mp3 / m4a / wav，建议时长 10 秒–5 分钟，大小 ≤ 20MB。
  • clone_prompt (object): 示例音频对象，增强相似度和稳定性 上传示例音频所得
  • language_boost (string): 增强对指定语言/方言的识别能力。可设置为 auto 自动判断，或指定具体语言
  • model (string): 试听音频使用的语音模型 speech-2.6-hd, speech-2.6-turbo, speech-02-hd, speech-02-turbo
  • need_noise_reduction (boolean): 是否开启降噪
  • need_volume_normalization (boolean): 是否开启音量归一化
  • output_format (string): 试听音频返回形式，默认 hex，可选 url / hex（url 有效期 24h）。
  • text (string): 复刻试听文本（限制 1000 字符，支持语气词标签）
  • text_validation (string): 音频复刻样本的预期文本，≤ 200 字符；服务做 ASR 识别并比对相似度，低于 accuracy 则拒绝。

请求示例

{
  "aigc_watermark": false,
  "clone_prompt": {
    "prompt_audio": 987654321,
    "prompt_text": "This voice sounds natural and pleasant."
  },
  "file_id": 365182159339614,
  "language_boost": "English",
  "model": "speech-2.8-hd",
  "need_noise_reduction": true,
  "need_volume_normalization": true,
  "text": "A gentle breeze sweeps across the soft grass(breath), carrying the fresh scent along with the songs of birds.",
  "voice_id": "MyCustomVoice003"
}