> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/audio-and-voice/minimax-speech.md). # MiniMax Speech 2.6 Clore.ai GPU सर्वरों पर MiniMax Speech 2.6 — अल्ट्रा-लो-लेटेंसी वॉइस एजेंट TTS — डिप्लॉय करें {% hint style="success" %} **जारी किया गया:** 4 मार्च, 2026 — MiniMax ने अभी-अभी Speech 2.6 जारी किया है, जिसमें अति-निम्न विलंबता, बेहतर फ़ॉर्मैट हैंडलिंग, और रीयल-टाइम Voice Agent परिदृश्यों के लिए मानव-सदृश आवाज़ शामिल है। {% endhint %} **MiniMax Speech 2.6** यह एक अत्याधुनिक टेक्स्ट-टू-स्पीच मॉडल है, जिसे रीयल-टाइम वॉइस एजेंट अनुप्रयोगों के लिए डिज़ाइन किया गया है। इसमें अति-निम्न एंड-टू-एंड विलंबता, बेहतर ऑडियो फ़ॉर्मैट हैंडलिंग (MP3, PCM, WAV, FLAC), और Speech 2.x की तुलना में काफी अधिक प्राकृतिक आवाज़ है। इसे API के माध्यम से सबसे अच्छा उपयोग किया जाता है, लेकिन MiniMax API के जरिए self-hosted pipelines में भी एकीकृत किया जा सकता है। ### मुख्य विशेषताएँ | विशेषता | विवरण | | ----------------- | -------------------------------------------------- | | लेटेंसी | अति-निम्न (< 300ms TTFB) | | आवाज़ की गुणवत्ता | मानव-सदृश, प्राकृतिक प्रोसोडी | | भाषाएँ | 20+ भाषाएँ, जिनमें अंग्रेज़ी, चीनी, रूसी शामिल हैं | | आउटपुट फ़ॉर्मैट | MP3, PCM, WAV, FLAC | | उपयोग-प्रकरण | वॉइस एजेंट, रीयल-टाइम TTS, स्ट्रीमिंग | | API | OpenAI-संगत REST API | ### MiniMax Speech 2.6 क्यों? * **300ms से कम विलंबता** — रीयल-टाइम वार्तालाप एजेंटों के लिए उपयुक्त * **स्ट्रीमिंग समर्थन** — सबसे कम अनुभूत विलंबता के लिए टोकन-दर-टोकन ऑडियो स्ट्रीमिंग * **वॉइस क्लोनिंग** — छोटे ऑडियो नमूनों से क्लोन करें * **प्रोडक्शन-रेडी** — MiniMax के अपने व्यावसायिक वॉइस उत्पादों को शक्ति देता है *** ## सेटअप: Clore.ai पर self-hosted API proxy MiniMax Speech 2.6 वर्तमान में API-आधारित है। आप इसे अपने पाइपलाइन में एकीकृत करने के लिए छोटे Clore.ai सर्वर (यहाँ तक कि केवल CPU वाले) पर एक हल्का FastAPI proxy चला सकते हैं: ```yaml 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" ``` ### न्यूनतम FastAPI proxy (`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): """MiniMax Speech 2.6 के लिए proxy""" 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 ```bash # TTS एंडपॉइंट का परीक्षण करें 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 ``` *** ## प्रत्यक्ष API उपयोग (सर्वर की आवश्यकता नहीं) यदि आपको केवल अपनी स्क्रिप्ट्स में TTS चाहिए: ```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("Clore.ai पर AI workloads चलाना अविश्वसनीय रूप से किफायती है।") with open("output.mp3", "wb") as f: f.write(audio) ``` *** ## उपलब्ध वॉइस आईडी | वॉइस आईडी | पात्र | किसके लिए सर्वोत्तम | | ---------------- | --------------------- | -------------------- | | `Calm_Woman` | शांत महिला | सहायक, वर्णन | | `Energetic_Man` | ऊर्जावान पुरुष | मार्केटिंग, समाचार | | `Gentle_Man` | मृदु पुरुष | ऑडियोबुक, ट्यूटोरियल | | `Cute_Girl` | युवा महिला | मनोरंजन | | `Deep_Voice_Man` | गहरी आवाज़ वाला पुरुष | डॉक्यूमेंट्री | *** ## Clore.ai पर GPU आवश्यकताएँ {% hint style="info" %} MiniMax Speech 2.6 एक API-आधारित मॉडल है — इसे उपयोग करने के लिए आपको GPU की आवश्यकता नहीं है। proxy चलाने के लिए एक छोटा केवल-CPU Clore.ai सर्वर ($0.10–0.30/दिन) पर्याप्त है। अधिकतम दक्षता के लिए उसी सर्वर पर अन्य GPU workloads के साथ संयोजन करें। {% endhint %} | सर्वर प्रकार | उपयोग-प्रकरण | Clore.ai लागत | | ----------------- | ------------------------- | ---------------- | | केवल CPU (2 vCPU) | proxy + API gateway | \~$0.10–0.20/दिन | | RTX 3060 | proxy + स्थानीय GPU कार्य | $0.03–0.07/घंटा | | RTX 4090 | proxy + भारी GPU कार्य | $0.14–0.42/hr | *** ## Clore.ai पोर्ट फ़ॉरवर्डिंग | पोर्ट | सेवा | | ----- | ----------------- | | 8080 | FastAPI TTS proxy | *** ## Clore.ai पर विकल्प यदि आपको चाहिए **पूरी तरह स्थानीय** API कॉल्स के बिना TTS: | मॉडल | VRAM | गुणवत्ता | गति | गाइड | | ---------- | ---- | -------- | --------- | -------------------------------------------------------------------- | | Kokoro TTS | 4GB | ⭐⭐⭐⭐ | तेज़ | [Kokoro TTS](/guides/guides_v2-hi/audio-and-voice/kokoro-tts.md) | | F5-TTS | 8GB | ⭐⭐⭐⭐⭐ | मध्यम | [F5-TTS](/guides/guides_v2-hi/audio-and-voice/f5-tts.md) | | Chatterbox | 6GB | ⭐⭐⭐⭐ | तेज़ | [Chatterbox](/guides/guides_v2-hi/audio-and-voice/chatterbox-tts.md) | | Qwen3-TTS | 8GB | ⭐⭐⭐⭐⭐ | मध्यम | [Qwen3-TTS](/guides/guides_v2-hi/audio-and-voice/qwen3-tts.md) | | Kani-TTS-2 | 3GB | ⭐⭐⭐ | बहुत तेज़ | [Kani-TTS](/guides/guides_v2-hi/audio-and-voice/kani-tts.md) | *** ## लिंक्स * **MiniMax API दस्तावेज़:** [platform.minimax.io/docs](https://platform.minimax.io/docs) * **Speech 2.6 ब्लॉग पोस्ट:** [minimax.io/news/minimax-speech-26](https://www.minimax.io/news/minimax-speech-26) * **Clore.ai मार्केटप्लेस:** [clore.ai/marketplace](https://clore.ai/marketplace) --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## 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, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-hi/audio-and-voice/minimax-speech.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. 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.