网站地址：MiniMax 语音和音乐

MiniMax Speech 2.6：最强 Voice Agent 来袭插图今天，我们给大家带来最新的语音模型MiniMax Speech 2.6，全面升级突破Voice Agent场景，超低延时，专业格式无障碍，更高自然度。

MiniMax是全球领先的通用人工智能科技公司，致力于与所有人共创智能，自主研发了一系列多模态通用大模型，并面向全球推出一系列AI原生产品，已服务逾 2亿名用户。

自MiniMax Speech发布以来，正以卓越的语音技术和极致的性价比，成为全球语音智能领域的核心基础设施之一。

无论是支撑 ChatGPT 高级语音模式的 LiveKit，GitHub 热门开源框架 Pipecat，还是 YC 孵化的语音平台 Vapi，都选择了 MiniMax Speech 作为底层技术引擎。在智能硬件领域，Haivivi Bubble Pal、Fuzozo、Rokid Glasses等新锐产品，也以 MiniMax Speech 驱动其自然语音交互体验。

MiniMax一直以技术创新驱动新质生产力，打破语言与文化的边界，让自然、流利的交互，源源不断抵达全球各地，连接每一种声音。

1. 超低延时，更灵敏：整体交互更顺畅

我们对音频生成链路进行了全面优化，使端到端延迟低于250毫秒，达到了行业顶尖水平。在实时对话等对响应速度有严苛要求的场景中，音频生成不再是瓶颈，确保整体交互更流畅。

2. 专业格式无障碍，更聪明：信息传递更流畅

Speech 2.6 现已支持多种语言的网址、邮箱、电话号码、日期及金额等非标准文本格式的直接转换。无论您是结合大语言模型使用，还是需要在业务中处理动态变化的实体信息，都无需再进行繁琐的文本预处理。输入即正确，实现信息传递更流畅。

3. 更高自然度与Fluent LoRA：声音表达更流利

进一步提升了音韵自然度之外，Speech 2.6 还提供了Fluent LoRA。此前Speech 2.5就提供了便捷、高还原度的音色复刻功能，用户能够保留原始音色的口音、口癖等特色。这一能力满足了实际使用场景中多样化的语音需求。

现在，音色复刻时，您无需再为不完美的原始素材而烦恼。即使是带有口音或不流利的非母语录音，也可通过 Fluent LoRA，在完美复刻音色的同时，生成符合目标文本的流利、自然的语音，让您的声音表达更流利。

MiniMax 语音大模型能够根据上下文，智能预测文本的情绪、语调等信息，并生成超自然、高保真、个性化的语音。在社交、播客、有声书、新闻资讯、教育、数字人等多种场景中展现出强大的实力。

 

计费项 模型 接口说明 单价
元/万字符
同步语音合成
T2A		 speech-2.6-hd
speech-02-hd		 支持音量、语调、语速调整和混音功能，支持比特率、采样率相关参数调整特性，支持音频时长、音频大小等返回参数，适用于需要短文本快速得到结果的场景，比如闲聊、对话等场景 3.5
同步语音合成
T2A		 speech-2.6-turbo
speech-02-turbo		 支持音量、语调、语速调整和混音功能，支持比特率、采样率相关参数调整特性，支持音频时长、音频大小等返回参数，适用于需要短文本快速得到结果的场景，比如闲聊、对话等场景 2
异步长文本语音合成
T2A Async		 speech-2.6-hd-
speech-02-hd		 支持基于文本到语音的异步生成，单次文本生成传输最大支持 100 万字符，生成的完整音频结果支持异步的方式进行检索。 3.5
异步长文本语音合成
T2A Async		 speech-2.6-turbo
speech-02-turbo		 支持基于文本到语音的异步生成，单次文本生成传输最大支持 100 万字符，生成的完整音频结果支持异步的方式进行检索。 2

 

计费项 模型 接口说明 单价
元/音色
音色设计
Voice Design		 所有模型 支持基于用户输入的声音描述 prompt，来生成音色（voice_id）；并支持使用该生成的音色（voice_id）在同步语音合成、异步长文本语音合成接口中进行语音合成。 9.9
调用本接口获得新设计的音色时，不会立即收取音色设计费用。音色生成费用将在首次使用此音色进行语音合成时收取。
本接口内的试听语音合成会收取 2 元/万字符的费用。
快速复刻
Voice Cloning		 所有模型 基于大语言模型的音色克隆更加精准快速，无需数小时时长的超高质量原音频、无需传统 TTS 的超长工期，可以在极短时间内完成音色复刻，并通过大语言模型加持，使复刻后的音色与原音色进行高质量还原，从而满足客户需求。 9.9
调用本接口获得复刻音色时，不会立即收取音色复刻费用。音色的复刻费用将在首次使用此复刻音色进行语音合成时收取。
试听字符根据选择的试听模型收费。
注：计费项是字符数，以10000个字符（输入）为单位，1个汉字算2个字符，英文字母、希腊字母、标点符号、特殊符号、空格、回车等算1个字符。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。