← Alle Modelle

Speech-02-HD

Veröffentlicht Herausgeber MiniMaxspeech-02-hd

Einordnung und Veröffentlichungsdatum

Speech-02-HD ist ein Text-to-Speech-Modell der MiniMax-Speech-02-Serie für die hochwertige Sprachgenerierung. Es eignet sich für Anwendungen wie Synchronisation und Hörbücher, bei denen die Klangqualität wichtig ist. Die Serie wurde am 2. April 2025 veröffentlicht. (minimax.io)

Fähigkeiten und Anwendungen

  • Generiert Sprache aus eingegebenem Text und unterstützt mehrere Sprachen, verschiedene Akzente und emotionalen Ausdruck. Einer späteren offiziellen technischen Vorstellung zufolge unterstützt Speech 02 32 Sprachen. (minimax.io)
  • Unterstützt das Klonen von Stimmen sowie die Steuerung von Tonhöhe, Sprechgeschwindigkeit, Lautstärke und Emotion. Laut offizieller Ankündigung unterstützt die Serie Streaming-Generierung und Ausgabeformate wie FLAC, WAV, MP3 und PCM. Die konkret verfügbaren Parameter hängen von der Schnittstelle ab. (minimax.io)
  • Einsetzbar für Hörbücher, Synchronisation, Werbung, digitale Menschen und die Erstellung mehrsprachiger Inhalte. (minimax.io)

Einschränkungen

  • Die HD-Version legt den Schwerpunkt auf Klangqualität; die Turbo-Version der Serie ist auf Echtzeitgeschwindigkeit ausgerichtet. Deren Ausrichtung auf geringe Latenz sollte nicht unmittelbar auf HD übertragen werden. (minimax.io)
  • Die offizielle T2A-V2-Dokumentation nennt für die synchrone Schnittstelle eine Textlängenbegrenzung von weniger als 10.000 Zeichen; für andere Schnittstellen können andere Grenzen gelten. Generierungsqualität, Akzent und Ergebnisse des Stimmenklonens variieren je nach Eingabe und Anwendungsszenario. (platform.minimaxi.com)
  • Status der öffentlichen Verfügbarkeit der Modellgewichte: nicht überprüft.

Offizielle nutzungsabhängige API-Preise

Die folgenden offiziellen Listenpreise wurden am 18. November 2026 abgerufen; es handelt sich nicht um Ressourcenpaket- oder Rabattpreise. Die Abrechnung basiert auf den zur Sprachsynthese verwendeten Textzeichen und nicht auf einer getrennten Bepreisung von Eingabe- und Ausgabe-Token; in der abgerufenen Preisliste war kein gesonderter Ausgabepreis für generiertes Audio aufgeführt.

  • Plattform für Festlandchina, Renminbi (CNY): Sowohl synchrones T2A als auch asynchrones T2A Async für lange Texte kosten 3,50 Yuan/10.000 abrechenbare Zeichen. Laut offizieller Angabe zählt ein chinesisches Schriftzeichen als zwei Zeichen; englische Buchstaben, Satzzeichen, Leerzeichen usw. zählen jeweils als ein Zeichen. Offizielle Preise für China. (platform.minimax.cn)
  • Internationale Plattform, US-Dollar (USD): Der Preis für ältere T2A-Modelle beträgt 100 US-Dollar/Million Zeichen. Offizielle internationale Preise. (platform.minimax.io)

Die Preise der beiden Plattformen gelten jeweils für die betreffende Plattform; es handelt sich nicht um dasselbe Paket, dessen Preis anhand eines Wechselkurses umgerechnet wurde. Für Dienste wie das Klonen von Stimmen können zusätzliche Gebühren anfallen; für die tatsächliche Abrechnung gelten die Regeln der jeweiligen Plattform. (platform.minimax.cn)

Offizielle Quellen