> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-de/audio-and-sprache/minimax-speech.md).

# MiniMax Speech 2.6

{% hint style="success" %}
**Veröffentlicht:** 4. März 2026 — MiniMax hat gerade Speech 2.6 mit ultraniedriger Latenz, verbessertem Format-Handling und menschenähnlicher Stimme für Echtzeit-Voice-Agent-Szenarien veröffentlicht.
{% endhint %}

**MiniMax Speech 2.6** ist ein hochmodernes Text-zu-Sprache-Modell, das für Echtzeit-Voice-Agent-Anwendungen entwickelt wurde. Es bietet ultraniedrige End-to-End-Latenz, verbessertes Audioformat-Handling (MP3, PCM, WAV, FLAC) und eine deutlich natürlichere Stimme im Vergleich zu Speech 2.x. Am besten über die API nutzbar, lässt sich aber über die MiniMax-API in selbstgehostete Pipelines integrieren.

### Hauptmerkmale

| Funktion        | Details                                                    |
| --------------- | ---------------------------------------------------------- |
| Latenz          | Ultraniedrig (< 300 ms TTFB)                               |
| Stimmenqualität | Menschenähnlich, natürliche Prosodie                       |
| Sprachen        | 20+ Sprachen einschließlich Englisch, Chinesisch, Russisch |
| Ausgabeformate  | MP3, PCM, WAV, FLAC                                        |
| Anwendungsfall  | Voice Agents, Echtzeit-TTS, Streaming                      |
| API             | OpenAI-kompatible REST-API                                 |

### Warum MiniMax Speech 2.6?

* **Unter 300 ms Latenz** — geeignet für Echtzeit-Konversationsagenten
* **Streaming-Unterstützung** — token-für-token Audio-Streaming für die niedrigste wahrgenommene Latenz
* **Stimmenklonen** — Klonen aus kurzen Audioaufnahmen
* **Produktionsreif** — treibt MiniMaxs eigene kommerzielle Sprachprodukte an

***

## Einrichtung: Selbstgehosteter API-Proxy auf Clore.ai

MiniMax Speech 2.6 ist derzeit API-basiert. Sie können einen leichtgewichtigen FastAPI-Proxy auf einem kleinen Clore.ai-Server (auch nur mit CPU) betreiben, um ihn in Ihre Pipeline zu integrieren:

```yaml
version: "3.8"
services:
  minimax-proxy:
    image: python:3.11-slim
    ports:
      - "8080:8080"
    environment:
      - MINIMAX_API_KEY=${MINIMAX_API_KEY}
      - MINIMAX_GROUP_ID=${MINIMAX_GROUP_ID}
    volumes:
      - ./app:/app
    command: >
      sh -c "pip install fastapi uvicorn httpx python-dotenv &&
             uvicorn app.main:app --host 0.0.0.0 --port 8080"
```

### Minimaler FastAPI-Proxy (`app/main.py`)

```python
import os, httpx
from fastapi import FastAPI
from fastapi.responses import StreamingResponse
from pydantic import BaseModel

app = FastAPI()

MINIMAX_API_KEY = os.environ["MINIMAX_API_KEY"]
MINIMAX_GROUP_ID = os.environ["MINIMAX_GROUP_ID"]
BASE_URL = "https://api.minimax.io/v1"

class TTSRequest(BaseModel):
    text: str
    voice_id: str = "Calm_Woman"
    speed: float = 1.0
    output_format: str = "mp3"

@app.post("/tts")
async def text_to_speech(req: TTSRequest):
    """Proxy zu MiniMax Speech 2.6"""
    async with httpx.AsyncClient(timeout=30) as client:
        response = await client.post(
            f"{BASE_URL}/t2a_v2?GroupId={MINIMAX_GROUP_ID}",
            headers={"Authorization": f"Bearer {MINIMAX_API_KEY}"},
            json={
                "model": "speech-02-hd",
                "text": req.text,
                "stream": False,
                "voice_setting": {
                    "voice_id": req.voice_id,
                    "speed": req.speed,
                    "vol": 1.0,
                    "pitch": 0
                },
                "audio_setting": {
                    "sample_rate": 32000,
                    "bitrate": 128000,
                    "format": req.output_format
                }
            }
        )
    data = response.json()
    audio_b64 = data["data"]["audio"]
    import base64
    audio_bytes = base64.b64decode(audio_b64)
    return StreamingResponse(
        iter([audio_bytes]),
        media_type=f"audio/{req.output_format}"
    )

@app.get("/health")
async def health():
    return {"status": "ok", "model": "minimax-speech-2.6"}
```

### Verwendung

```bash
# TTS-Endpunkt testen
curl -X POST http://localhost:8080/tts \
  -H "Content-Type: application/json" \
  -d '{"text": "Hello! This is MiniMax Speech 2.6 running on Clore.", "voice_id": "Calm_Woman"}' \
  --output output.mp3

# Ergebnis abspielen
ffplay output.mp3
```

***

## Direkte API-Nutzung (kein Server erforderlich)

Wenn Sie TTS nur in Ihren Skripten benötigen:

```python
import requests, base64, os

API_KEY = os.environ["MINIMAX_API_KEY"]
GROUP_ID = os.environ["MINIMAX_GROUP_ID"]

def synthesize(text: str, voice_id: str = "Calm_Woman") -> bytes:
    resp = requests.post(
        f"https://api.minimax.io/v1/t2a_v2?GroupId={GROUP_ID}",
        headers={"Authorization": f"Bearer {API_KEY}"},
        json={
            "model": "speech-02-hd",
            "text": text,
            "stream": False,
            "voice_setting": {"voice_id": voice_id, "speed": 1.0, "vol": 1.0, "pitch": 0},
            "audio_setting": {"sample_rate": 32000, "bitrate": 128000, "format": "mp3"}
        }
    )
    return base64.b64decode(resp.json()["data"]["audio"])

audio = synthesize("Running AI workloads on Clore.ai is incredibly affordable.")
with open("output.mp3", "wb") as f:
    f.write(audio)
```

***

## Verfügbare Voice-IDs

| Voice-ID         | Charakter             | Am besten für            |
| ---------------- | --------------------- | ------------------------ |
| `Calm_Woman`     | Ruhige Frau           | Assistenten, Erzählungen |
| `Energetic_Man`  | Energiegeladener Mann | Marketing, Nachrichten   |
| `Gentle_Man`     | Sanfter Mann          | Hörbücher, Tutorials     |
| `Cute_Girl`      | Junge Frau            | Unterhaltung             |
| `Deep_Voice_Man` | Tiefer Mann           | Dokumentationen          |

***

## GPU-Anforderungen auf Clore.ai

{% hint style="info" %}
MiniMax Speech 2.6 ist ein API-basiertes Modell — Sie benötigen keine GPU, um es zu verwenden. Ein kleiner reiner CPU-Clore.ai-Server (0,10–0,30 $/Tag) ist ausreichend, um den Proxy auszuführen. Kombinieren Sie ihn mit anderen GPU-Workloads auf demselben Server für maximale Effizienz.
{% endhint %}

| Servertyp        | Anwendungsfall               | Clore.ai-Kosten   |
| ---------------- | ---------------------------- | ----------------- |
| Nur CPU (2 vCPU) | Proxy + API-Gateway          | \~0,10–0,20 $/Tag |
| RTX 3060         | Proxy + lokale GPU-Aufgaben  | \~0,37 $/Tag      |
| RTX 4090         | Proxy + schwere GPU-Arbeiten | \~2,10 $/Tag      |

***

## Clore.ai Portweiterleitung

| Port | Dienst            |
| ---- | ----------------- |
| 8080 | FastAPI TTS-Proxy |

***

## Alternativen auf Clore.ai

Wenn Sie **vollständig lokal** TTS ohne API-Aufrufe benötigen:

| Modell     | VRAM | Qualität | Geschwindigkeit | Anleitung                                                              |
| ---------- | ---- | -------- | --------------- | ---------------------------------------------------------------------- |
| Kokoro TTS | 4GB  | ⭐⭐⭐⭐     | Schnell         | [Kokoro TTS](/guides/guides_v2-de/audio-and-sprache/kokoro-tts.md)     |
| F5-TTS     | 8GB  | ⭐⭐⭐⭐⭐    | Mittel          | [F5-TTS](/guides/guides_v2-de/audio-and-sprache/f5-tts.md)             |
| Chatterbox | 6GB  | ⭐⭐⭐⭐     | Schnell         | [Chatterbox](/guides/guides_v2-de/audio-and-sprache/chatterbox-tts.md) |
| Qwen3-TTS  | 8GB  | ⭐⭐⭐⭐⭐    | Mittel          | [Qwen3-TTS](/guides/guides_v2-de/audio-and-sprache/qwen3-tts.md)       |
| Kani-TTS-2 | 3GB  | ⭐⭐⭐      | Sehr schnell    | [Kani-TTS](/guides/guides_v2-de/audio-and-sprache/kani-tts.md)         |

***

## Links

* **MiniMax API-Dokumentation:** [platform.minimax.io/docs](https://platform.minimax.io/docs)
* **Speech 2.6 Blogbeitrag:** [minimax.io/news/minimax-speech-26](https://www.minimax.io/news/minimax-speech-26)
* **Clore.ai-Marktplatz:** [clore.ai/marketplace](https://clore.ai/marketplace)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-de/audio-and-sprache/minimax-speech.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.