模型定位
Speech-02-Turbo 是 MiniMax Speech-02 系列中的文本转语音模型,针对实时交互场景优化,侧重低延迟与语音质量的平衡。Speech-02 系列于 2025 年 4 月 2 日发布。(minimax.io)
能力与用途
- 将输入文本合成为语音,支持流式输出;可调整语速、音量和音调,并控制停顿及情绪。(platform.minimaxi.com)
- 支持使用系统音色和复刻音色。系列发布公告称支持 30 多种语言,包括普通话、粤语、英语、日语和韩语等;实际音色与语言可用性应以接口和账户配置为准。(minimax.io)
- 适用于语音聊天、实时助手、游戏交互、客户服务及内容配音等场景。(minimax.io)
限制
- 国内同步语音合成接口的请求参数文档规定,单次输入文本长度须小于 10,000 字符;其他接口的限制可能不同。(platform.minimaxi.com)
- 接口支持 MP3、PCM、FLAC 和 WAV;其中 WAV 仅支持非流式输出。生成效果、延迟和可用音色取决于文本、设置及部署条件。(platform.minimaxi.com)
价格
- MiniMax 国际站 API 按量付费:
speech-02-turbo语音合成为 60 USD/100 万计费字符。这是文本转语音的字符计价,官方价格表未单列按输出音频时长或输出 token 收取的费用。音色复刻、设计及试听可能另行计费,套餐规则不同。查询日期:2026 年 11 月 18 日。(platform.minimax.io)