模型定位
Speech-02-Turbo 是 MiniMax Speech-02 系列中的文字轉語音模型,針對即時互動場景最佳化,側重低延遲與語音品質的平衡。Speech-02 系列於 2025 年 4 月 2 日發布。(minimax.io)
能力與用途
- 將輸入文字合成為語音,支援串流輸出;可調整語速、音量和音調,並控制停頓及情緒。(platform.minimaxi.com)
- 支援使用系統音色和複刻音色。系列發布公告稱支援 30 多種語言,包括普通話、粵語、英語、日語和韓語等;實際音色與語言可用性應以介面和帳戶設定為準。(minimax.io)
- 適用於語音聊天、即時助理、遊戲互動、客戶服務及內容配音等場景。(minimax.io)
限制
- 國內同步語音合成介面的請求參數文件規定,單次輸入文字長度須小於 10,000 字元;其他介面的限制可能不同。(platform.minimaxi.com)
- 介面支援 MP3、PCM、FLAC 和 WAV;其中 WAV 僅支援非串流輸出。生成效果、延遲和可用音色取決於文字、設定及部署條件。(platform.minimaxi.com)
價格
- MiniMax 國際站 API 按量付費:
speech-02-turbo語音合成為 60 USD/100 萬計費字元。這是文字轉語音的字元計價,官方價格表未單列按輸出音訊時長或輸出 token 收取的費用。音色複刻、設計及試聽可能另行計費,方案規則不同。查詢日期:2026 年 11 月 18 日。(platform.minimax.io)