MiniMax Speech 2.6

在 Clore.ai GPU 服务器上部署 MiniMax Speech 2.6——超低延迟语音智能体 TTS

发布日期： 2026年3月4日——MiniMax 刚刚发布了 Speech 2.6，具备超低延迟、增强的格式处理能力，以及适用于实时语音代理场景的类人化声音。

MiniMax Speech 2.6 是一款面向实时语音代理应用的最先进文本转语音模型。它具备超低端到端延迟、改进的音频格式处理（MP3、PCM、WAV、FLAC），并且与 Speech 2.x 相比，声音自然得多。最适合通过 API 使用，但也可通过 MiniMax API 集成到自托管流水线中。

主要特性

功能	详情
延迟	超低（< 300ms TTFB）
语音质量	类人化、自然的韵律
语言	20+ 种语言，包括英语、中文、俄语
输出格式	MP3、PCM、WAV、FLAC
使用场景	语音代理、实时 TTS、流式传输
API	兼容 OpenAI 的 REST API

为什么选择 MiniMax Speech 2.6？

• 300 毫秒以下延迟 — 适用于实时对话代理

• 支持流式传输 — 逐 token 音频流式传输，实现最低感知延迟

• 声音克隆 — 可通过短音频样本克隆声音

• 可直接用于生产 — 为 MiniMax 自家的商业语音产品提供支持

---

设置：在 Clore.ai 上自托管 API 代理

MiniMax Speech 2.6 目前是基于 API 的。你可以在一台小型 Clore.ai 服务器上运行轻量级 FastAPI 代理（即使是仅 CPU 也可以），将其集成到你的流水线中：

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"

最简 FastAPI 代理（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):
    """代理到 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"}

用法

# 测试 TTS 端点
curl -X POST http://localhost:8080/tts \\
  -H "Content-Type: application/json" \\
  -d '{"text": "你好！这是在 Clore 上运行的 MiniMax Speech 2.6。", "voice_id": "Calm_Woman"}' \\
  --output output.mp3

# 播放结果
ffplay output.mp3

---

直接 API 使用（无需服务器）

如果你只是在脚本中需要 TTS：

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("在 Clore.ai 上运行 AI 工作负载便宜得令人难以置信。")
with open("output.mp3", "wb") as f:
    f.write(audio)

---

可用的声音 ID

声音 ID	角色	最适合
Calm_Woman	平静女声	助手、旁白
Energetic_Man	充满活力的男声	营销、新闻
Gentle_Man	温和男声	有声书、教程
Cute_Girl	年轻女声	娱乐
Deep_Voice_Man	低沉男声	纪录片

---

Clore.ai 上的 GPU 要求

MiniMax Speech 2.6 是一款基于 API 的模型——你无需 GPU 即可使用。一个小型仅 CPU 的 Clore.ai 服务器（每天 $0.10–0.30）就足以运行代理。可与同一服务器上的其他 GPU 工作负载结合，以实现最高效率。

服务器类型	使用场景	Clore.ai 成本
仅 CPU（2 vCPU）	代理 + API 网关	约 $0.10–0.20/天
RTX 3060	代理 + 本地 GPU 任务	$0.03–0.07/小时
RTX 4090	代理 + 重型 GPU 工作	$0.14–0.42/小时

---

Clore.ai 端口转发

端口	服务
8080	FastAPI TTS 代理

---

Clore.ai 上的替代方案

如果你需要 完全本地 无需 API 调用的 TTS：

模型	显存	质量	速度	指南
Kokoro TTS	4GB	⭐⭐⭐⭐	快	Kokoro TTS
F5-TTS	8GB	⭐⭐⭐⭐⭐	中等	F5-TTS
Chatterbox	6GB	⭐⭐⭐⭐	快	Chatterbox
Qwen3-TTS	8GB	⭐⭐⭐⭐⭐	中等	Qwen3-TTS
Kani-TTS-2	3GB	⭐⭐⭐	非常快	Kani-TTS

---

链接

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

• Speech 2.6 博客文章： minimax.io/news/minimax-speech-26

• Clore.ai 市场： clore.ai/marketplace