MiniMax Speech 2.6

Despliega MiniMax Speech 2.6: agente de voz TTS de latencia ultra baja, en servidores GPU de Clore.ai

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.

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:

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)

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

# 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:

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

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.

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
F5-TTS	8GB	⭐⭐⭐⭐⭐	Medio	F5-TTS
Chatterbox	6GB	⭐⭐⭐⭐	Rápido	Chatterbox
Qwen3-TTS	8GB	⭐⭐⭐⭐⭐	Medio	Qwen3-TTS
Kani-TTS-2	3GB	⭐⭐⭐	Muy rápido	Kani-TTS

---

Enlaces

• Documentación de la API de MiniMax: platform.minimax.io/docs

• Entrada de blog sobre Speech 2.6: minimax.io/news/minimax-speech-26

• Marketplace de Clore.ai: clore.ai/marketplace