定位与发布日期
Speech-02-HD 是 MiniMax Speech-02 系列中面向高保真语音生成的文本转语音模型,适用于配音、有声书等重视音质的场景。该系列于 2025 年 4 月 2 日发布。(minimax.io)
能力与用途
- 输入文本并生成语音;支持多语言、不同口音和情绪表达。官方后续技术介绍称 Speech 02 支持 32 种语言。(minimax.io)
- 支持声音复刻,以及音高、语速、音量和情绪等控制;官方公告称系列支持流式生成和 FLAC、WAV、MP3、PCM 等输出格式。具体可用参数取决于接口。(minimax.io)
- 可用于有声书、配音、广告、数字人和多语言内容制作。(minimax.io)
限制
- HD 版本侧重音质;系列中的 Turbo 版本侧重实时速度,不应把后者的低延迟定位直接套用于 HD。(minimax.io)
- 官方 T2A V2 文档列出的同步接口文本长度限制为少于 10,000 字符;其他接口的限制可能不同。生成质量、口音和声音复刻效果会因输入与场景而异。(platform.minimaxi.com)
- 模型权重公开状态:未核实。
官方 API 按量价格
以下为 2026 年 11 月 18 日查询的官方标价,不是资源包或折扣价。计费基于用于语音合成的文本字符,而非分别按输入和输出 token 计价;所查价格表未单列生成音频的输出单价。
- **中国大陆站,人民币(CNY):**同步 T2A 和异步长文本 T2A Async 均为 3.50 元/万计费字符。官方说明一个汉字计两个字符,英文字母、标点、空格等各计一个字符。国内官方定价。(platform.minimax.cn)
- **国际站,美元(USD):**T2A 历史模型价格为 100 美元/百万字符。国际官方定价。(platform.minimax.io)
两地报价适用于各自平台,并非按汇率换算的同一套餐;声音复刻等服务可能另行收费,实际结算以对应平台规则为准。(platform.minimax.cn)