MiniMax Speech 2.6

Déployez MiniMax Speech 2.6 — synthèse vocale pour agent vocal à latence ultra-faible — sur les serveurs GPU Clore.ai

Publié : 4 mars 2026 — MiniMax vient de lancer Speech 2.6 avec une latence ultra-faible, une meilleure prise en charge des formats et une voix proche de celle d’un humain pour les scénarios d’agent vocal en temps réel.

MiniMax Speech 2.6 est un modèle de synthèse vocale de pointe conçu pour les applications d’agents vocaux en temps réel. Il offre une latence de bout en bout ultra-faible, une meilleure prise en charge des formats audio (MP3, PCM, WAV, FLAC) et une voix nettement plus naturelle que Speech 2.x. À utiliser de préférence via l’API, mais il peut être intégré à des pipelines auto-hébergés via l’API MiniMax.

Caractéristiques clés

Fonctionnalité	Détails
Latence	Ultra-faible (< 300 ms TTFB)
Qualité vocale	Prosodie naturelle, proche de la voix humaine
Langues	20+ langues, dont l’anglais, le chinois et le russe
Formats de sortie	MP3, PCM, WAV, FLAC
Cas d’utilisation	Agents vocaux, TTS en temps réel, streaming
API	API REST compatible avec OpenAI

Pourquoi MiniMax Speech 2.6 ?

• Latence inférieure à 300 ms — convient aux agents de conversation en temps réel

• Prise en charge du streaming — diffusion audio jeton par jeton pour une latence perçue minimale

• Clonage de voix — clonage à partir de courts échantillons audio

• Prêt pour la production — alimente les propres produits vocaux commerciaux de MiniMax

---

Configuration : proxy d’API auto-hébergé sur Clore.ai

MiniMax Speech 2.6 est actuellement basé sur l’API. Vous pouvez exécuter un proxy FastAPI léger sur un petit serveur Clore.ai (même uniquement CPU) pour l’intégrer à votre pipeline :

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 minimal (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 vers 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"}

Utilisation

# Tester le point de terminaison TTS
curl -X POST http://localhost:8080/tts \\
  -H "Content-Type: application/json" \
  -d '{"text": "Hello! This is MiniMax Speech 2.6 running on Clore.", "voice_id": "Calm_Woman"}' \\
  --output output.mp3

# Lire le résultat
ffplay output.mp3

---

Utilisation directe de l’API (aucun serveur nécessaire)

Si vous avez juste besoin de TTS dans vos 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("Exécuter des charges de travail IA sur Clore.ai est incroyablement abordable.")
with open("output.mp3", "wb") as f:
    f.write(audio)

---

ID de voix disponibles

ID de voix	Personnage	Idéal pour
Calm_Woman	Femme calme	Assistants, narration
Energetic_Man	Homme énergique	Marketing, actualités
Gentle_Man	Homme doux	Livres audio, tutoriels
Cute_Girl	Jeune femme	Divertissement
Deep_Voice_Man	Voix masculine grave	Documentaires

---

Exigences GPU sur Clore.ai

MiniMax Speech 2.6 est un modèle basé sur l’API — vous n’avez pas besoin d’un GPU pour l’utiliser. Un petit serveur Clore.ai uniquement CPU (0,10–0,30 $/jour) suffit pour exécuter le proxy. Combinez-le avec d’autres charges GPU sur le même serveur pour une efficacité maximale.

Type de serveur	Cas d’utilisation	Coût Clore.ai
CPU uniquement (2 vCPU)	Proxy + passerelle API	~0,10–0,20 $/jour
RTX 3060	Proxy + tâches GPU locales	0,03–0,07 $/h
RTX 4090	Proxy + calcul GPU intensif	0,14–0,42 $/h

---

Redirection de port Clore.ai

Port	Service
8080	Proxy TTS FastAPI

---

Alternatives sur Clore.ai

Si vous avez besoin de entièrement local TTS sans appels API :

Modèle	VRAM	Qualité	Vitesse	Guide
Kokoro TTS	4 Go	⭐⭐⭐⭐	Rapide	Kokoro TTS
F5-TTS	8 Go	⭐⭐⭐⭐⭐	Moyen	F5-TTS
Chatterbox	6 Go	⭐⭐⭐⭐	Rapide	Chatterbox
Qwen3-TTS	8 Go	⭐⭐⭐⭐⭐	Moyen	Qwen3-TTS
Kani-TTS-2	3 Go	⭐⭐⭐	Très rapide	Kani-TTS

---

Liens

• Documentation API Speech 2.6 : platform.minimax.io/docs

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

• Marketplace Clore.ai : clore.ai/marketplace