Speech-02是什么？

MiniMax Audio Speech-02是一款強(qiáng)大的文本轉(zhuǎn)語(yǔ)音（TTS）模型，能夠?qū)⑷魏挝募騏RL瞬間轉(zhuǎn)化為逼真的音頻 。它支持高達(dá)20萬(wàn)字符的單次輸入，覆蓋30多種語(yǔ)言，并帶有地道口音 。此外，Speech-02還支持無(wú)限語(yǔ)音克隆、亞秒級(jí)流媒體處理以及多種音頻格式（如FLAC、WAV、MP3和PCM） 。

Speech-02模型提供兩種版本：speech-02-hd-preview（以99%的語(yǔ)音相似度和工作室級(jí)清晰度為特點(diǎn)，適合配音、有聲書等需要逼真表現(xiàn)的場(chǎng)景）和speech-02-turbo-preview（在低延遲和高性能之間取得平衡，適合實(shí)時(shí)應(yīng)用） 。

語(yǔ)言與語(yǔ)音能力

• 多語(yǔ)言支持：Speech-02支持30多種語(yǔ)言的文本轉(zhuǎn)語(yǔ)音，包括英語(yǔ)、中文、日語(yǔ)、韓語(yǔ)、法語(yǔ)、德語(yǔ)、西班牙語(yǔ)、葡萄牙語(yǔ)、意大利語(yǔ)、阿拉伯語(yǔ)、俄語(yǔ)、土耳其語(yǔ)、荷蘭語(yǔ)、烏克蘭語(yǔ)、越南語(yǔ)、印地語(yǔ)、泰語(yǔ)、波蘭語(yǔ)、羅馬尼亞語(yǔ)、希臘語(yǔ)、芬蘭語(yǔ)和印尼語(yǔ)等，且?guī)в械氐揽谝簟?/p>

• 語(yǔ)音庫(kù)豐富：擁有300多個(gè)真實(shí)自然的聲音，支持多種語(yǔ)言的地道表達(dá)。

技術(shù)性能

• 單次輸入字符數(shù)：?jiǎn)未屋斎胫С指哌_(dá)20萬(wàn)字符。

• 流媒體處理速度：支持亞秒級(jí)流媒體處理。

• 模型版本：包括speech-02-hd-preview和speech-02-turbo-preview。前者以99%的語(yǔ)音相似度和工作室級(jí)清晰度為特點(diǎn)，適合配音、有聲書等需要逼真表現(xiàn)的場(chǎng)景；后者則在低延遲和高性能之間取得平衡，適合實(shí)時(shí)應(yīng)用。

Speech-02功能特性

• 無(wú)限語(yǔ)音克隆：能夠以行業(yè)領(lǐng)先的質(zhì)量，快速克隆出多種風(fēng)格和語(yǔ)調(diào)的語(yǔ)音。

• 語(yǔ)音控制：用戶可以輕松控制語(yǔ)音的情感、音量、速度和輸出格式。

• 語(yǔ)音混合：可以將現(xiàn)有的語(yǔ)音組合起來(lái)，創(chuàng)造出全新的獨(dú)特語(yǔ)音。

• 音頻格式支持：支持FLAC、WAV、MP3和PCM等多種音頻格式。

Speech-02應(yīng)用場(chǎng)景

• 有聲書制作：適合將長(zhǎng)篇小說(shuō)、學(xué)術(shù)論文等轉(zhuǎn)化為高質(zhì)量的音頻內(nèi)容。

• 播客創(chuàng)作：幫助播客創(chuàng)作者制作更具吸引力和多樣性的內(nèi)容。

• 電影與游戲配音：提供電影級(jí)低音和沉浸式音頻效果。

• 國(guó)際會(huì)議與翻譯：支持在多種語(yǔ)言之間即時(shí)無(wú)縫切換。

目前，Speech-02模型已經(jīng)在MiniMax Audio平臺(tái)及API平臺(tái)上線，但國(guó)內(nèi)版尚未推出。

官方鏈接

MiniMax Audio平臺(tái)：https://www.minimax.io/audio 

MiniMax Audio API平臺(tái)：https://www.minimax.io/platform