# MiniMax Speech 2.6

{% hint style="success" %}
**Lanzado:** 4 de marzo de 2026: MiniMax acaba de lanzar Speech 2.6 con latencia ultra baja, manejo de formatos mejorado y voz similar a la humana para escenarios de agentes de voz en tiempo real.
{% endhint %}

**MiniMax Speech 2.6** es un modelo de texto a voz de última generación diseñado para aplicaciones de agentes de voz en tiempo real. Presenta una latencia de extremo a extremo ultrabaja, manejo de formatos de audio mejorado (MP3, PCM, WAV, FLAC) y una voz significativamente más natural en comparación con Speech 2.x. Se usa mejor a través de la API, pero puede integrarse en canalizaciones autoalojadas mediante la API de MiniMax.

### Características clave

| Característica     | Detalles                                           |
| ------------------ | -------------------------------------------------- |
| Latencia           | Ultra baja (< 300 ms TTFB)                         |
| Calidad de voz     | Similar a la humana, prosodia natural              |
| Idiomas            | Más de 20 idiomas, incluyendo inglés, chino y ruso |
| Formatos de salida | MP3, PCM, WAV, FLAC                                |
| Caso de uso        | Agentes de voz, TTS en tiempo real, transmisión    |
| API                | API REST compatible con OpenAI                     |

### ¿Por qué MiniMax Speech 2.6?

* **Latencia sub-300 ms** — adecuado para agentes de conversación en tiempo real
* **Soporte de streaming** — transmisión de audio token por token para la menor latencia percibida
* **Clonación de voz** — clonar a partir de muestras de audio cortas
* **Listo para producción** — potencia los propios productos comerciales de voz de MiniMax

***

## Configuración: Proxy de API autoalojado en Clore.ai

MiniMax Speech 2.6 es actualmente basado en API. Puedes ejecutar un proxy ligero FastAPI en un pequeño servidor Clore.ai (incluso solo CPU) para integrarlo en tu canalización:

```yaml
versión: "3.8"
servicios:
  minimax-proxy:
    imagen: python:3.11-slim
    puertos:
      - "8080:8080"
    entorno:
      - MINIMAX_API_KEY=${MINIMAX_API_KEY}
      - MINIMAX_GROUP_ID=${MINIMAX_GROUP_ID}
    volúmenes:
      - ./app:/app
    comando: >
      sh -c "pip install fastapi uvicorn httpx python-dotenv &&
             uvicorn app.main:app --host 0.0.0.0 --port 8080"
```

### Proxy FastAPI mínimo (`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 a 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"}
```

### Uso

```bash
# Probar endpoint TTS
curl -X POST http://localhost:8080/tts \
  -H "Content-Type: application/json" \
  -d '{"text": "¡Hola! Esto es MiniMax Speech 2.6 ejecutándose en Clore.", "voice_id": "Calm_Woman"}' \
  --output output.mp3

# Reproducir el resultado
ffplay output.mp3
```

***

## Uso directo de la API (no se necesita servidor)

Si solo necesitas TTS en tus scripts:

```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("Ejecutar cargas de trabajo de IA en Clore.ai es increíblemente asequible.")
with open("output.mp3", "wb") as f:
    f.write(audio)
```

***

## IDs de voz disponibles

| ID de voz        | Personaje              | Mejor para              |
| ---------------- | ---------------------- | ----------------------- |
| `Calm_Woman`     | Mujer tranquila        | Asistentes, narración   |
| `Energetic_Man`  | Hombre enérgico        | Marketing, noticias     |
| `Gentle_Man`     | Hombre amable          | Audiolibros, tutoriales |
| `Cute_Girl`      | Mujer joven            | Entretenimiento         |
| `Deep_Voice_Man` | Hombre de voz profunda | Documentales            |

***

## Requisitos de GPU en Clore.ai

{% hint style="info" %}
MiniMax Speech 2.6 es un modelo basado en API: no necesitas una GPU para usarlo. Un pequeño servidor Clore.ai solo con CPU (0,10–0,30 USD/día) es suficiente para ejecutar el proxy. Combínalo con otras cargas de trabajo GPU en el mismo servidor para máxima eficiencia.
{% endhint %}

| Tipo de servidor  | Caso de uso                   | Costo en Clore.ai   |
| ----------------- | ----------------------------- | ------------------- |
| Solo CPU (2 vCPU) | Proxy + puerta de enlace API  | \~0,10–0,20 USD/día |
| RTX 3060          | Proxy + tareas locales GPU    | \~0,37 USD/día      |
| RTX 4090          | Proxy + trabajo GPU intensivo | \~2,10 USD/día      |

***

## Reenvío de puertos de Clore.ai

| Puerto | Servicio          |
| ------ | ----------------- |
| 8080   | Proxy FastAPI TTS |

***

## Alternativas en Clore.ai

Si necesitas **totalmente local** TTS sin llamadas a la API:

| Modelo     | VRAM | Calidad | Velocidad  | Guía                                                             |
| ---------- | ---- | ------- | ---------- | ---------------------------------------------------------------- |
| Kokoro TTS | 4GB  | ⭐⭐⭐⭐    | Rápido     | [Kokoro TTS](/guides/guides_v2-es/audio-y-voz/kokoro-tts.md)     |
| F5-TTS     | 8GB  | ⭐⭐⭐⭐⭐   | Medio      | [F5-TTS](/guides/guides_v2-es/audio-y-voz/f5-tts.md)             |
| Chatterbox | 6GB  | ⭐⭐⭐⭐    | Rápido     | [Chatterbox](/guides/guides_v2-es/audio-y-voz/chatterbox-tts.md) |
| Qwen3-TTS  | 8GB  | ⭐⭐⭐⭐⭐   | Medio      | [Qwen3-TTS](/guides/guides_v2-es/audio-y-voz/qwen3-tts.md)       |
| Kani-TTS-2 | 3GB  | ⭐⭐⭐     | Muy rápido | [Kani-TTS](/guides/guides_v2-es/audio-y-voz/kani-tts.md)         |

***

## Enlaces

* **Documentación de la API de MiniMax:** [platform.minimax.io/docs](https://platform.minimax.io/docs)
* **Entrada de blog sobre Speech 2.6:** [minimax.io/news/minimax-speech-26](https://www.minimax.io/news/minimax-speech-26)
* **Marketplace de Clore.ai:** [clore.ai/marketplace](https://clore.ai/marketplace)


---

# Agent Instructions: 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-es/audio-y-voz/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.