MiniMax Speech 2.6 HD: AI Audio & Music
Speech-2.6-hd 是 MiniMax 的高清文本转语音模型，可将书面文本转换为自然、接近真人的音频。它能生成录音室级语音，发音清晰、节奏流畅、情感逼真且无背景噪声。
Speech-2.6-hd 是 MiniMax 的高清文本转语音模型，可将书面文本转换为自然、接近真人的音频。它能生成录音室级语音，发音清晰、节奏流畅、情感逼真且无背景噪声。
About this model
Speech-2.6-hd 是由 MiniMax 开发的先进高清文本转语音模型，旨在将书面文本转换为自然、接近真人的音频。借助先进的神经网络架构和复杂的数字信号处理技术，该模型能够生成录音室级语音，具有清晰的发音、流畅的节奏和逼真的情感表达。它还能够生成无背景噪声的音频，带来沉浸式且专业的聆听体验。
Speech-2.6-hd 适用于有声书、播客、视频旁白和辅助技术等多种场景，兼具灵活性与技术精准度。模型支持音高、音量、语速和情绪等多项可自定义参数，让用户能够根据具体的风格和技术要求调整Output，是创意和专业应用的理想选择。
Cost analysis
| Provider | Cost | Notes |
|---|---|---|
| muapiapp | $0.65 per generation | Muapiapp offers a highly competitive rate, being 20-50% more affordable than other providers while delivering comparable or superior quality. |
| Fal.ai | $0.85 per generation | Fal.ai charges $0.85 per generation. Muapiapp is 20-50% cheaper, making it a more cost-effective solution without loss of performance. |
| Replicate | $0.85 per generation | Replicate's rate of $0.85 per generation contrasts with muapiapp, which is significantly more affordable by 20-50%, offering an excellent balance between cost and quality. |
Muapiapp offers a highly competitive rate, being 20-50% more affordable than other providers while delivering comparable or superior quality.
Fal.ai charges $0.85 per generation. Muapiapp is 20-50% cheaper, making it a more cost-effective solution without loss of performance.
Replicate's rate of $0.85 per generation contrasts with muapiapp, which is significantly more affordable by 20-50%, offering an excellent balance between cost and quality.
** Competitor pricing is estimated based on similar model architectures and usage tiers.
Configuration schema
| Parameter | Type | Description | Default |
|---|---|---|---|
| Prompt | string | 要转换为语音的文本。每个字符计为 1 个 Token。最多 10000 个字符。可在单词之间使用 <#x#> 控制停顿Durata（0.01-99.99 秒）。 | Every journey begins with a single moment of courage. Today, that moment is yours. |
| 声音 ID | Enum (472 options) | 目标声音 ID。请使用已训练的声音 ID（https://muapi.ai/playground/minimax-voice-clone），或使用以下系统声音 ID 之一。 | Friendly_Person |
| 音量 | int | 音量。范围：0.1-10.0，其中 1.0 为正常音量。 | 1 |
| 音高 | int | 音高。范围：-12 至 12，其中 0 为正常音高。 | 0 |
| 情绪 | Enum (7 options) | 生成语音的情绪。 | happy |
| 英语规范化 | boolean | 此参数Supportato英语文本规范化，可提升数字朗读场景的表现。 | false |
| 采样率 | Enum (6 options) | 生成声音的采样率。 | 8000 |
| 比特率 | Enum (4 options) | 生成声音的比特率。 | 32000 |
| 频道 | Enum (2 options) | he number of channels of the generated audio. 1: mono, 2: stereo. | 1 |
| Formato | Enum (4 options) | 生成声音的格式。 | mp3 |
| Lingua增强 | Enum (41 options) | 增强对指定语言和方言的识别能力。 | auto |
要转换为语音的文本。每个字符计为 1 个 Token。最多 10000 个字符。可在单词之间使用 <#x#> 控制停顿Durata（0.01-99.99 秒）。
Every journey begins with a single moment of courage. Today, that moment is yours.目标声音 ID。请使用已训练的声音 ID（https://muapi.ai/playground/minimax-voice-clone），或使用以下系统声音 ID 之一。
Friendly_Person音量。范围：0.1-10.0，其中 1.0 为正常音量。
1音高。范围：-12 至 12，其中 0 为正常音高。
0生成语音的情绪。
happy此参数Supportato英语文本规范化，可提升数字朗读场景的表现。
false生成声音的采样率。
8000生成声音的比特率。
32000he number of channels of the generated audio. 1: mono, 2: stereo.
1生成声音的格式。
mp3增强对指定语言和方言的识别能力。
autoDeveloper documentation
Come Usare Speech-2.6-hd
准备文本
<#x#> 语法。选择声音
voice_id（例如 Friendly_Person）。它决定生成音频的语气和个性。自定义参数
speed、volume、pitch 和 emotion 等参数，以匹配目标音频效果。如果处理数字朗读或特殊文本，请启用 english_normalization。设置技术规格
sample_rate、bitrate、channel 配置和 format，确保音频符合质量与兼容性要求。生成并检查
按需迭代
Frequently asked
你可以将最多 10,000 个字符的任意文本内容转换为高质量音频。模型支持使用 `<#x#>` 语法控制停顿，以便在语音生成过程中进行精确的时间调整。
模型提供 `emotion` 参数，可指定生成语音的情绪语气（例如 happy、sad、angry），帮助为音频增加细腻度和表现力。
使用 Speech-2.6-hd 生成音频的费用为每次 $0.65，在保持质量的同时具有较高性价比。
可以。你可以完全控制 `sample_rate`、`bitrate`、`channel`（单声道或立体声）以及Output格式（mp3、wav、pcm、flac），以便根据需求定制音频。