MiniMax Speech 2.6

Deploye MiniMax Speech 2.6 — ultraniedrig latente TTS für Sprachagenten — auf Clore.ai-GPU-Servern

Veröffentlicht: 4. März 2026 — MiniMax hat gerade Speech 2.6 mit ultraniedriger Latenz, verbesserter Formatverarbeitung und menschlich klingender Stimme für Echtzeit-Voice-Agent-Szenarien veröffentlicht.

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, verbesserte Verarbeitung von Audioformaten (MP3, PCM, WAV, FLAC) und eine deutlich natürlichere Stimme im Vergleich zu Speech 2.x. Am besten über die API verwendet, lässt es sich aber über die MiniMax-API in selbst gehostete Pipelines integrieren.

Hauptfunktionen

Funktion	Details
Latenz	Ultraniedrig (< 300 ms TTFB)
Sprachqualität	Menschlich klingende, natürliche Prosodie
Sprachen	20+ Sprachen, darunter Englisch, Chinesisch, Russisch
Ausgabeformate	MP3, PCM, WAV, FLAC
Anwendungsfall	Sprachagenten, Echtzeit-TTS, Streaming
API	Mit OpenAI kompatible REST-API

Warum MiniMax Speech 2.6?

• Latenz unter 300 ms — geeignet für Konversationsagenten in Echtzeit

• Streaming-Unterstützung — Audio-Streaming Token für Token für die geringste wahrgenommene Latenz

• Stimmklonung — Klonen anhand kurzer Audiobeispiele

• Bereit für den Produktionseinsatz — treibt MiniMax' eigene kommerzielle Sprachprodukte an

---

Einrichtung: Selbst gehosteter API-Proxy auf Clore.ai

MiniMax Speech 2.6 ist derzeit API-basiert. Du kannst einen schlanken FastAPI-Proxy auf einem kleinen Clore.ai-Server (sogar nur mit CPU) ausführen, um ihn in deine Pipeline zu integrieren:

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)

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

# TTS-Endpunkt testen
curl -X POST http://localhost:8080/tts \\
  -H "Content-Type: application/json" \\
  -d '{"text": "Hallo! Dies ist MiniMax Speech 2.6, das auf Clore läuft.", "voice_id": "Calm_Woman"}' \\
  --output output.mp3

# Das Ergebnis abspielen
ffplay output.mp3

---

Direkte API-Nutzung (kein Server erforderlich)

Wenn du TTS nur in deinen Skripten benötigst:

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("Das Ausführen von KI-Workloads auf Clore.ai ist unglaublich günstig.")
with open("output.mp3", "wb") as f:
    f.write(audio)

---

Verfügbare Voice-IDs

Voice-ID	Charakter	Am besten geeignet für
Calm_Woman	Ruhige weibliche Stimme	Assistenten, Sprechertexte
Energetic_Man	Energetischer Mann	Marketing, Nachrichten
Gentle_Man	Sanfter Mann	Hörbücher, Tutorials
Cute_Girl	Junge weibliche Stimme	Unterhaltung
Deep_Voice_Man	Tiefe männliche Stimme	Dokumentationen

---

GPU-Anforderungen auf Clore.ai

MiniMax Speech 2.6 ist ein API-basiertes Modell — du benötigst keine GPU, um es zu nutzen. Ein kleiner Clore.ai-Server nur mit CPU ($0,10–0,30/Tag) reicht aus, um den Proxy zu betreiben. Kombiniere ihn auf demselben Server mit anderen GPU-Workloads für maximale Effizienz.

Servertyp	Anwendungsfall	Clore.ai-Kosten
Nur CPU (2 vCPU)	Proxy + API-Gateway	~$0,10–0,20/Tag
RTX 3060	Proxy + lokale GPU-Aufgaben	$0,03–0,07/Stunde
RTX 4090	Proxy + intensive GPU-Arbeit	ca. 0,14–0,42 $/h

---

Portweiterleitung bei Clore.ai

Port	Dienst
8080	FastAPI-TTS-Proxy

---

Alternativen auf Clore.ai

Wenn du vollständig lokal TTS ohne API-Aufrufe benötigst:

Modell	VRAM	Qualität	Geschwindigkeit	Leitfaden
Kokoro TTS	4 GB	⭐⭐⭐⭐	Schnell	Kokoro TTS
F5-TTS	8 GB	⭐⭐⭐⭐⭐	Mittel	F5-TTS
Chatterbox	6 GB	⭐⭐⭐⭐	Schnell	Chatterbox
Qwen3-TTS	8 GB	⭐⭐⭐⭐⭐	Mittel	Qwen3-TTS
Kani-TTS-2	3GB	⭐⭐⭐	Sehr schnell	Kani-TTS

---

Links

• MiniMax-API-Dokumentation: platform.minimax.io/docs

• Blogbeitrag zu Speech 2.6: minimax.io/news/minimax-speech-26

• Clore.ai-Marktplatz: clore.ai/marketplace