MiniMax Speech 2.6

MiniMax Speech 2.6 — अल्ट्रा-लो लैटेंसी वॉइस एजेंट TTS — को Clore.ai GPU सर्वरों पर तैनात करें

रिलीज़: 4 मार्च, 2026 — MiniMax ने अभी-अभी Speech 2.6 जारी किया है जिसमें अल्ट्रा-लो लेटेंसी, बेहतर फॉर्मेट हैंडलिंग और रियल-टाइम वॉइस एजेंट परिदृश्यों के लिए मानव-समान आवाज है।

MiniMax Speech 2.6 एक अत्याधुनिक टेक्स्ट-टू-स्पीच मॉडल है जो रियल-टाइम वॉइस एजेंट अनुप्रयोगों के लिए डिज़ाइन किया गया है। इसमें अल्ट्रा-लो एंड-टू-एंड लेटेंसी, बेहतर ऑडियो फॉर्मेट हैंडलिंग (MP3, PCM, WAV, FLAC) और Speech 2.x की तुलना में काफी अधिक प्राकृतिक आवाज शामिल है। API के माध्यम से उपयोग के लिए सबसे अच्छा है, लेकिन MiniMax API के जरिए सेल्फ-होस्टेड पाइपलाइन में एकीकृत किया जा सकता है।

मुख्य विशेषताएँ

विशेषता	विवरण
लेटेंसी	अल्ट्रा-लो (< 300ms TTFB)
वॉइस क्वालिटी	मानव-समान, प्राकृतिक प्रोसोडी
भाषाएँ	20+ भाषाएँ जिनमें अंग्रेजी, चीनी, रूसी शामिल हैं
आउटपुट फॉर्मेट	MP3, PCM, WAV, FLAC
उपयोग का मामला	वॉइस एजेंट, रियल-टाइम TTS, स्ट्रीमिंग
API	OpenAI-समर्थित REST API

क्यों MiniMax Speech 2.6?

• 300ms से कम लेटेंसी — रियल-टाइम वार्तालाप एजेंट्स के लिए उपयुक्त

• स्ट्रीमिंग समर्थन — सबसे कम अनुभूत लेटेंसी के लिए टोकन-बाय-टोकन ऑडियो स्ट्रीमिंग

• वॉइस क्लोनिंग — छोटे ऑडियो सैंपल्स से क्लोन करें

• प्रोडक्शन-रेडी — MiniMax के अपने वाणिज्यिक वॉइस उत्पादों को संचालित करता है

---

सेटअप: Clore.ai पर सेल्फ-होस्टेड API प्रॉक्सी

MiniMax Speech 2.6 वर्तमान में API-आधारित है। आप इसे अपनी पाइपलाइन में एकीकृत करने के लिए एक छोटे Clore.ai सर्वर (यहाँ तक कि केवल CPU) पर हल्का FastAPI प्रॉक्सी चला सकते हैं:

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"

मिनिमल FastAPI प्रॉक्सी (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 to 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"}

उपयोग

# TTS एंडपॉइंट का परीक्षण
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

# परिणाम चलाएँ
ffplay output.mp3

---

डायरेक्ट API उपयोग (कोई सर्वर आवश्यक नहीं)

यदि आपको अपने स्क्रिप्ट्स में केवल TTS चाहिए:

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("Running AI workloads on Clore.ai is incredibly affordable.")
with open("output.mp3", "wb") as f:
    f.write(audio)

---

उपलब्ध वॉइस आईडी

वॉइस आईडी	चरित्र	सर्वोत्तम के लिए
Calm_Woman	शांत महिला	असिस्टेंट्स, नैरेशन
Energetic_Man	ऊर्जावान पुरुष	मार्केटिंग, समाचार
Gentle_Man	कोमल पुरुष	ऑडियोबुक, ट्यूटोरियल
Cute_Girl	युवा महिला	मनोरंजन
Deep_Voice_Man	गहरी पुरुष आवाज़	डॉक्यूमेंट्रीज़

---

Clore.ai पर GPU आवश्यकताएँ

MiniMax Speech 2.6 एक API-आधारित मॉडल है — इसे उपयोग करने के लिए आपको GPU की आवश्यकता नहीं है। प्रॉक्सी चलाने के लिए एक छोटा CPU-ओनली Clore.ai सर्वर ($0.10–0.30/दिन) पर्याप्त है। अधिकतम दक्षता के लिए उसी सर्वर पर अन्य GPU वर्कलोड्स के साथ संयोजित करें।

सर्वर प्रकार	उपयोग का मामला	Clore.ai लागत
केवल CPU (2 vCPU)	प्रॉक्सी + API गेटवे	~$0.10–0.20/दिन
RTX 3060	प्रॉक्सी + स्थानीय GPU कार्य	~$0.37/दिन
RTX 4090	प्रॉक्सी + भारी GPU वर्क	~$2.10/दिन

---

Clore.ai पोर्ट फ़ॉरवर्डिंग

पोर्ट	सेवा
8080	FastAPI TTS प्रॉक्सी

---

Clore.ai पर विकल्प

यदि आपको पूरी तरह स्थानीय बिना API कॉल के TTS चाहिए:

मॉडल	VRAM	गुणवत्ता	गति	गाइड
Kokoro TTS	4GB	⭐⭐⭐⭐	तेज़	Kokoro TTS
F5-TTS	8GB	⭐⭐⭐⭐⭐	मध्यम	F5-TTS
Chatterbox	6GB	⭐⭐⭐⭐	तेज़	Chatterbox
Qwen3-TTS	8GB	⭐⭐⭐⭐⭐	मध्यम	Qwen3-TTS
Kani-TTS-2	3GB	⭐⭐⭐	बहुत तेज़	Kani-TTS

---

लिंक

• MiniMax API डॉक: platform.minimax.io/docs

• Speech 2.6 ब्लॉग पोस्ट: minimax.io/news/minimax-speech-26

• Clore.ai मार्केटप्लेस: clore.ai/marketplace