Einordnung und Veröffentlichung
MiniMax Speech 2.8 ist ein Sprachsynthesemodell zur Umwandlung von Text in natürlich klingende Sprache. Es wurde am 23. Januar 2026 vorgestellt. (minimax.io)
Fähigkeiten und Einsatzgebiete
- Native Laut- und Interjektions-Tags ermöglichen unter anderem Atemgeräusche, Lachen und natürlichere Sprechpausen.
- Stimmenklonen ist laut MiniMax bereits mit einer zehnsekündigen Sprachprobe möglich. Die Ankündigung beschreibt zudem verbesserte Klangreinheit und sprachübergreifende Aussprache. (minimax.io)
- MiniMax nennt mehr als 40 Sprachen und hebt insbesondere die verbesserte japanische Aussprache bei Verwendung chinesischer Stimmen hervor. Deutsch ist in der API-Sprachauswahl aufgeführt. (minimax.cn)
- Geeignet ist das Modell beispielsweise für Dialoge und die Vertonung kurzer oder langer Texte. Die API bietet synchrone Synthese, optionales Streaming und asynchrone Langtextsynthese sowie Einstellungen für Stimme, Tempo, Tonhöhe und Lautstärke. (platform.minimax.io)
Varianten und Grenzen
Die API führt die Varianten speech-2.8-hd und speech-2.8-turbo; Turbo ist laut Anbieter auf höhere Geschwindigkeit und geringere Kosten optimiert. Die synchrone HTTP-API verlangt weniger als 10.000 Zeichen pro Anfrage und empfiehlt Streaming bei mehr als 3.000 Zeichen. Die asynchrone Synthese unterstützt laut Preisdokumentation bis zu 1 Million Zeichen pro Anfrage. Die beworbene Natürlichkeit und Klonähnlichkeit sind Anbieterangaben, keine Garantie für jedes Ergebnis. Stimmen sollten nur mit entsprechender Einwilligung geklont werden. (platform.minimax.io)
Offizielle API-Preise
Abfrage am 17. November 2026. Die folgenden nutzungsabhängigen Preise gelten jeweils sowohl für synchrone T2A- als auch für asynchrone T2A-Async-Synthese. Abgerechnet wird nach Eingabetextzeichen; ein separater Ausgabetoken- oder Audiosekundenpreis für die Synthese ist in den genannten Tabellen nicht ausgewiesen.
| Plattform | Variante | Preis für Eingabetext |
|---|---|---|
| China | speech-2.8-hd |
3,50 CNY pro 10.000 Zeichen |
| China | speech-2.8-turbo |
2,00 CNY pro 10.000 Zeichen |
| International | speech-2.8-hd |
100 USD pro 1 Million Zeichen |
| International | speech-2.8-turbo |
60 USD pro 1 Million Zeichen |
Auf der chinesischen Plattform zählt ein chinesisches Schriftzeichen als zwei Abrechnungszeichen; unter anderem lateinische Buchstaben, Satzzeichen und Leerzeichen zählen jeweils als eines. Die regionalen Preise sind eigenständige Angebote und keine Währungsumrechnungen. Sprachressourcenpakete mit Vorauszahlung und Rabatten sind separat erhältlich. (platform.minimax.cn)
Für schnelles Stimmenklonen nennt die chinesische Plattform zusätzlich 9,90 CNY pro Stimme, die internationale Plattform 1,50 USD pro Stimme. Die Gebühr fällt jeweils bei der ersten Synthese mit der geklonten Stimme an; Vorschauzeichen werden nach dem gewählten Vorschau-Modell berechnet. (platform.minimax.cn)
Offizielle Quellen
- Veröffentlichungsankündigung
- API-Dokumentation zur synchronen Sprachsynthese
- Preise der chinesischen Plattform, abgerufen am 17. November 2026
- Preise der internationalen Plattform, abgerufen am 17. November 2026