> 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-stimme/minimax-speech.md).

# MiniMax Speech 2.6

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

{% hint style="success" %}
**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.
{% 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, 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:

```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": "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:

```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("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

{% hint style="info" %}
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.
{% endhint %}

| Servertyp        | Anwendungsfall               | Clore.ai-Kosten   |
| ---------------- | ---------------------------- | ----------------- |
| Nur CPU (2 vCPU) | Proxy + API-Gateway          | \~$0,10–0,20/Tag  |
| RTX 3060         | Proxy + lokale GPU-Aufgaben  | $0,03–0,07/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](/guides/guides_v2-de/audio-and-stimme/kokoro-tts.md)     |
| F5-TTS     | 8 GB | ⭐⭐⭐⭐⭐    | Mittel          | [F5-TTS](/guides/guides_v2-de/audio-and-stimme/f5-tts.md)             |
| Chatterbox | 6 GB | ⭐⭐⭐⭐     | Schnell         | [Chatterbox](/guides/guides_v2-de/audio-and-stimme/chatterbox-tts.md) |
| Qwen3-TTS  | 8 GB | ⭐⭐⭐⭐⭐    | Mittel          | [Qwen3-TTS](/guides/guides_v2-de/audio-and-stimme/qwen3-tts.md)       |
| Kani-TTS-2 | 3GB  | ⭐⭐⭐      | Sehr schnell    | [Kani-TTS](/guides/guides_v2-de/audio-and-stimme/kani-tts.md)         |

***

## Links

* **MiniMax-API-Dokumentation:** [platform.minimax.io/docs](https://platform.minimax.io/docs)
* **Blogbeitrag zu Speech 2.6:** [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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

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

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.