Minimax WebSocket TTS 文档里 bitrate / sample_rate 的真实取值

qq_411262422026-05-25 12:17

结论：MiniMax 不支持 bitrate=24000，但支持 sample_rate=24000。

你这里的"24K"要分清两个概念：

参数	含义	MiniMax 是否支持 24K
`bitrate=24000`	24 kbps 码率	不支持
`sample_rate=24000`	24 kHz 采样率	支持

MiniMax 官方参数里，sample_rate 支持 [8000, 16000, 22050, 24000, 32000, 44100]，但 bitrate 只支持 [32000, 64000, 128000, 256000]，并且 bitrate 只对 mp3 生效。WebSocket 示例里也是 sample_rate: 32000、bitrate: 128000、format: mp3。(MiniMax API Docs)

xiaozhi-esp32-server 里说的 24K，本质上是 24 kHz 采样率的 Opus 音频，不是 MiniMax 输出 24 kbps。项目默认协议配置是：

复制代码

xiaozhi:
  audio_params:
    format: opus
    sample_rate: 24000
    channels: 1
    frame_duration: 60

也就是设备端收的是 Opus / 24kHz / 单声道 / 60ms帧 。(GitHub)

具体到 MiniMax TTS 实现，项目里的 minimax_httpstream.py 默认设置是：

复制代码

"sample_rate": 24000,
"bitrate": 128000,
"format": "pcm",
"channel": 1

注意这里是 format: pcm，不是 mp3，所以 bitrate 实际不是关键参数；关键是 sample_rate=24000。项目还会在打开音频通道时把 MiniMax 的 sample_rate 更新为连接里的 conn.sample_rate。(GitHub)

它的实际链路是：

复制代码

文本
  ↓
MiniMax TTS
  ↓
输出 24kHz PCM
  ↓
xiaozhi-esp32-server 收到 PCM hex
  ↓
服务器端重新编码为 Opus
  ↓
发送给 ESP32

代码里可以看到，它从 MiniMax 返回数据里取 audio_hex，转成 PCM bytes，然后调用 opus_encoder.encode_pcm_to_opus_stream() 编成 Opus 发给设备。父类也会按 conn.sample_rate 创建 Opus 编码器。(GitHub)

所以你要这样理解：

复制代码

MiniMax 不支持 24kbps MP3
但 MiniMax 支持 24kHz PCM
xiaozhi 项目再把 24kHz PCM 转成 24kHz Opus

建议 MiniMax 配置保持这样：

复制代码

"audio_setting": {
  "sample_rate": 24000,
  "bitrate": 128000,
  "format": "pcm",
  "channel": 1
}

不要写：

复制代码

"bitrate": 24000

如果你最终想控制的是网络传输码率 24kbps 左右 ，应该改的是 Opus 编码器码率参数 ，不是 MiniMax 的 bitrate。MiniMax 这边只负责输出 24kHz PCM，后面压缩率由服务器 Opus 编码决定。