MiniMax Speech 2.6

Despliega MiniMax Speech 2.6: TTS para agente de voz de latencia ultrabaja en servidores GPU de Clore.ai

Publicado: 4 de marzo de 2026 — MiniMax acaba de lanzar Speech 2.6 con latencia ultrabaja, manejo de formatos mejorado y una voz similar a la humana para escenarios de agente 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. Cuenta con latencia end-to-end ultrabaja, manejo mejorado de formatos de audio (MP3, PCM, WAV, FLAC) y una voz considerablemente más natural en comparación con Speech 2.x. Se usa mejor mediante API, pero puede integrarse en canalizaciones autohospedadas a través de la API de MiniMax.

Características clave

Función	Detalles
Latencia	Ultrabaja (< 300 ms TTFB)
Calidad de voz	Prosodia natural, similar a la humana
Idiomas	Más de 20 idiomas, incluidos inglés, chino y ruso
Formatos de salida	MP3, PCM, WAV, FLAC
Caso de uso	Agentes de voz, TTS en tiempo real, streaming
API	API REST compatible con OpenAI

¿Por qué MiniMax Speech 2.6?

• Latencia inferior a 300 ms — adecuada para agentes de conversación en tiempo real

• Compatibilidad con streaming — transmisión de audio token por token para la menor latencia percibida

• Clonación de voz — clona a partir de muestras de audio cortas

• Listo para producción — impulsa los propios productos de voz comerciales de MiniMax

---

Configuración: proxy de API autohospedado en Clore.ai

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

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"

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 el 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 (sin 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	Ideal para
Calm_Woman	Femenina calmada	Asistentes, narración
Energetic_Man	Masculino enérgico	Marketing, noticias
Gentle_Man	Masculino suave	Audiolibros, tutoriales
Cute_Girl	Femenina joven	Entretenimiento
Deep_Voice_Man	Masculino de voz grave	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 de Clore.ai solo con CPU ($0.10–0.30/día) es suficiente para ejecutar el proxy. Combínalo con otras cargas de trabajo de GPU en el mismo servidor para obtener la máxima eficiencia.

Tipo de servidor	Caso de uso	Coste de Clore.ai
Solo CPU (2 vCPU)	Proxy + puerta de enlace de API	~$0.10–0.20/día
RTX 3060	Proxy + tareas locales de GPU	$0.03–0.07/h
RTX 4090	Proxy + trabajo pesado de GPU	$0.14–0.42/h

---

Reenvío de puertos de Clore.ai

Puerto	Servicio
8080	Proxy TTS de FastAPI

---

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

• Publicación del blog de Speech 2.6: minimax.io/news/minimax-speech-26

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