Speech-02是什么？

MiniMax Audio Speech-02是一款強大的文本轉語音（TTS）模型，能夠將任何文件或URL瞬間轉化為逼真的音頻 。它支持高達20萬字符的單次輸入，覆蓋30多種語言，并帶有地道口音 。此外，Speech-02還支持無限語音克隆、亞秒級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%的語音相似度和工作室級清晰度為特點，適合配音、有聲書等需要逼真表現的場景）和speech-02-turbo-preview（在低延遲和高性能之間取得平衡，適合實時應用） 。

語言與語音能力

• 多語言支持：Speech-02支持30多種語言的文本轉語音，包括英語、中文、日語、韓語、法語、德語、西班牙語、葡萄牙語、意大利語、阿拉伯語、俄語、土耳其語、荷蘭語、烏克蘭語、越南語、印地語、泰語、波蘭語、羅馬尼亞語、希臘語、芬蘭語和印尼語等，且帶有地道口音。

• 語音庫豐富：擁有300多個真實自然的聲音，支持多種語言的地道表達。

技術性能

• 單次輸入字符數：單次輸入支持高達20萬字符。

• 流媒體處理速度：支持亞秒級流媒體處理。

• 模型版本：包括speech-02-hd-preview和speech-02-turbo-preview。前者以99%的語音相似度和工作室級清晰度為特點，適合配音、有聲書等需要逼真表現的場景；后者則在低延遲和高性能之間取得平衡，適合實時應用。

Speech-02功能特性

• 無限語音克隆：能夠以行業領先的質量，快速克隆出多種風格和語調的語音。

• 語音控制：用戶可以輕松控制語音的情感、音量、速度和輸出格式。

• 語音混合：可以將現有的語音組合起來，創造出全新的獨特語音。

• 音頻格式支持：支持FLAC、WAV、MP3和PCM等多種音頻格式。

Speech-02應用場景

• 有聲書制作：適合將長篇小說、學術論文等轉化為高質量的音頻內容。

• 播客創作：幫助播客創作者制作更具吸引力和多樣性的內容。

• 電影與游戲配音：提供電影級低音和沉浸式音頻效果。

• 國際會議與翻譯：支持在多種語言之間即時無縫切換。

目前，Speech-02模型已經在MiniMax Audio平臺及API平臺上線，但國內版尚未推出。

官方鏈接

MiniMax Audio平臺：https://www.minimax.io/audio 

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