MiniMax Speech 2.8：为 AI 语音注入生命

访问 API

立即体验音频

MiniMax Speech 2.8：为 AI 语音注入生命

今天，我们激动地推出 MiniMax Speech 2.8。

这不仅仅是一次技术升级，更是语音真实感方面的突破。通过引入原生音效标签支持、高保真克隆以及录音棚级清晰度，我们正在缩小 AI 与人声之间的差距。

我们的使命始终明确：让合成语音真正听起来像人声，且难以分辨。

1. 重拾“细微之处”：教会 AI 停顿与呼吸

过去，AI 语音常常因为“过于完美”而显得冰冷。真实的人类语言充满了不完美的呼吸、停顿和迟疑——这些细微信号能够传达情感并强调重点。

Speech 2.8 引入了原生音效标签。通过对“嗯”、“呃”、“啊”等口语填充词进行建模，我们保留了人类对话中自然的节奏、音高和停顿。

不再有机械、平淡的语音；温暖就藏在这些细节之中。

Speech-2.8 音效标签演示

文本：“嘿，是我。你好吗？（轻笑）希望你今天过得超棒！我们昨天其实经历了一场有点疯狂的发布日，你知道的，但是（呼吸）我刚恢复过来，准备大干一场。你听到这个，可能觉得我就是在对着麦克风聊天，对吧？但这里有个反转：（清嗓子）我其实不是人类。我是 MiniMax 全新的 Speech 2.8 模型。很疯狂，对吧？（笑声）如果你仔细听，就能听出我是如何把控节奏、那些细微的呼吸，甚至那种随意的感觉。祝你有美好的一天！”

2. 语音克隆：10 秒内复制你的“声音指纹”

我们优化了特征提取流程，在语音克隆方面达到了新的相似度水平。仅需 10 秒的样本，Speech 2.8 就能精确捕捉你独特的音色、气息感，甚至是你特定的说话节奏。

结果不仅仅是听起来“像”你的声音——它就是你。

原始音频

Speech-2.8 克隆结果

这个英文演示展示了 Speech 2.8 如何捕捉专业解说员的“灵魂”：

真实对话感：声音带有一种“生活化”的特质。它不像刻板的播音员，而更像一位值得信赖的朋友在咖啡桌旁分享故事。

动态节奏：该说话者使用自然的填充词和节奏性停顿（例如“不过话说回来”、“你知道的”），营造出一种即兴感和临场感。

温暖的中频共鸣：音色沉稳而稳定，带来舒适与可靠的感觉，能迅速与听者建立融洽关系。

3. 纯净音频：消除背景噪音与数字伪影

音频纯净度是优质体验的基础。

我们重新设计了处理引擎，以消除背景噪音和合成失真。其结果是输出清晰透明、纯净无瑕的声音，带来专业解说员在录音棚录制般的临场感。

Speech-2.8 无噪音演示

在森林深处，存在着一种未被触碰的寂静。当第一缕晨光透过茂密的树冠洒下时，世界仿佛屏住了呼吸。仔细聆听——那是风穿过松林的轻柔低语，如此细腻，几乎比秘密还要隐秘。

让我们在这份宁静中稍作停留，重新发现那个喧嚣世界常常隐藏起来的、本质的温柔。

更智能的跨语言表现：为每个市场提供全球化的声音

我们正在通过消除AI语音中常见的“口音渗透”现象来打破语言障碍。

从我们的普通话-日语语对开始，我们修复了不自然的语调和发音变化，确保每个声音听起来都像真正的母语者。敬请期待，我们很快会将这种无缝体验带到更多语言中。

Speech-2.8 跨语言演示

MiniMax Speech 2.8 现已上线。体验下一代智能。

• MiniMax 开放平台：Platform.minimax.io/docs/guides/models-intro

• MiniMax 音频：Minimax.io/audio

智能，与每个人同行。