MiniMax Speech 2.6

Clore.ai GPU सर्वरों पर MiniMax Speech 2.6 — अल्ट्रा-लो-लेटेंसी वॉइस एजेंट TTS — डिप्लॉय करें

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।

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:

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)

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

# 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:

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

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।

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
F5-TTS	8GB	⭐⭐⭐⭐⭐	मध्यम	F5-TTS
Chatterbox	6GB	⭐⭐⭐⭐	तेज़	Chatterbox
Qwen3-TTS	8GB	⭐⭐⭐⭐⭐	मध्यम	Qwen3-TTS
Kani-TTS-2	3GB	⭐⭐⭐	बहुत तेज़	Kani-TTS

---

लिंक्स

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

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

• Clore.ai मार्केटप्लेस: clore.ai/marketplace