MiniMax Speech 2.6 API — HD-Text-to-Speech mit 40 % Rabatt auf den Listenpreis

Die MiniMax Speech 2.6 API wandelt Text in HD-Audio in 40 Sprachen um, mit bis zu 10.000 Zeichen Eingabe pro Anfrage und sieben integrierten Emotionen. Auf GPTProto rufen Sie das Modell speech-2.6-hd für $60 pro 1 Mio. Ausgabetokens bei kostenlosen Eingabetokens — 40 % unter dem Listenpreis auf – mit einem API-Schlüssel und einem gemeinsamen Guthaben für mehr als 200 Modelle. Kein separates MiniMax-Konto und keine regional beschränkte Registrierung. Alle Modelle durchsuchen, um zu sehen, was sonst noch mit demselben Schlüssel läuft.

Was das MiniMax Speech 2.6 HD-Modell leistet

speech-2.6-hd ist die Variante mit hoher Wiedergabetreue der MiniMax-Speech-2.6-Familie, optimiert für Erzählungen, Hörbücher und Marken-Voiceover, bei denen Timbre-Details und Prosodie wichtig sind. Im Vergleich zu MiniMax Speech 02 verbessert es die mehrsprachige Ähnlichkeit, den Rhythmus und die Genauigkeit beim Voice Cloning und unterstützt 40 Sprachen mit Dialektverarbeitung. Die „HD“-Route zielt auf Wiedergabetreue ab; die Turbo-Route derselben Familie auf die niedrigste Latenz. Auf GPTProto erreichen Sie das HD-Modell über die MiniMax Speech 2.6 API, ohne ein MiniMax-Konto direkt verwalten zu müssen.

Langform-Erzählungen und Hörbücher

Für Veröffentlichungen und E-Learning akzeptiert speech-2.6-hd bis zu 10.000 Zeichen pro Anfrage (bei mehr als 3.000 Zeichen wird Streaming-Ausgabe empfohlen) und bewahrt über lange Passagen hinweg eine konsistente Stimme. Die Unterstützung von 40 Sprachen und die Emotionssteuerung pro Anfrage (fröhlich, traurig, wütend, ängstlich, angewidert, überrascht, neutral) ermöglichen es, mit einer Pipeline mehrsprachige Hörbücher, Kursmaterialien und barrierefreie Vorlesespuren zu erstellen. Lange Skripte sollten segmentiert und gestreamt werden, statt sie als einen einzigen Block zu senden.

Sprachagenten und Support-Skripte

Speech 2.6 liest dynamische Texte so vor, wie ein Agent sie benötigt: URLs, E-Mail-Adressen, Telefonnummern, Datumsangaben und Währungsbeträge werden ohne Vorverarbeitung korrekt verbalisiert (zum Beispiel $1,234.56 → „eintausendzweihundertvierunddreißig Dollar und sechsundfünfzig Cent“). speech-2.6-hd unterstützt Streaming der PCM-Ausgabe für eine reaktionsschnelle Wiedergabe. Wenn für Sie die niedrigstmögliche Latenz Priorität hat, führt GPTProto auch speech-2.5-turbo-preview mit demselben Schlüssel – die HD-Route ist etwas langsamer, bietet dafür aber eine höhere Wiedergabetreue.

Warum Sie MiniMax Speech 2.6 über GPTProto aufrufen sollten

Eine direkte Nutzung von MiniMax bedeutet ein separates Konto, eine Abrechnung pro Zeichen und eine regional beschränkte Registrierung. GPTProto stellt Ihnen dasselbe Modell speech-2.6-hd hinter einem API-Schlüssel und einem vorausbezahlten Guthaben bereit, das für mehr als 200 Text-, Bild-, Video- und Audiomodelle gemeinsam genutzt wird. Sie laden einmal Guthaben auf und geben es überall aus, überwachen die Nutzung in einem Dashboard und behalten die Modellbezeichnung unverändert, wenn Sie später migrieren. Sie erhalten Zugriff und Mehrwert – keine Neuschreibung des Modells.

Was ist MiniMax Speech 2.6?

MiniMax Speech 2.6 ist eine Modellfamilie für Text-to-Speech (TTS / Text-to-Audio), die am 30. Oktober 2025 angekündigt wurde und für Sprachagenten, mehrsprachige Erzählungen und die korrekte Wiedergabe nicht standardisierter Texte entwickelt wurde. Sie ist in zwei Routen verfügbar: HD (auf Wiedergabetreue fokussiert) und Turbo (niedrige Latenz). GPTProto stellt die HD-Route als speech-2.6-hd über die MiniMax Speech 2.6 Text-to-Speech API bereit. Die folgende Tabelle enthält die maßgebliche Spezifikation für speech-2.6-hd.

MiniMax Speech 2.6 HD vs. 2.5 HD vs. 2.5 Turbo

Alle drei laufen auf GPTProto unter demselben Schlüssel, sodass Sie sie mit Ihren eigenen Skripten im A/B-Vergleich testen können. Speech 2.6 verbessert gegenüber der 2.5-Reihe die mehrsprachige Ähnlichkeit, den Rhythmus und die Verarbeitung nicht standardisierter Texte; die 2.5-Turbo-Route bleibt die schnellste Option.

Kurz gesagt: Wählen Sie 2.6 HD für die natürlichsten Erzählungen und die korrekte Wiedergabe schwieriger Texte; behalten Sie 2.5 HD nur bei, wenn ein Workflow bereits darauf abgestimmt ist – die Ausgaberate beträgt ebenfalls $60, daher ist 2.6 HD die Standardwahl. Verwenden Sie 2.5 Turbo für $36 / 1 Mio. Ausgabetokens, wenn Geschwindigkeit beim Sprecherwechsel und Kosten wichtiger sind als Wiedergabetreue.

Stimmen, Emotionen und Sprachabdeckung

speech-2.6-hd stellt Systemstimmen und geklonte Stimmen über voice_id bereit sowie eine Steuerung der Wiedergabe pro Anfrage:

• Emotion — eine von sieben: fröhlich, traurig, wütend, ängstlich, angewidert, überrascht, neutral.
• Geschwindigkeit — 0.5–2.0 (Standardwert 1.0).
• Lautstärke — >0–10 (Standardwert 1.0).
• Tonhöhe — -12–+12 in ganzzahligen Schritten (Standardwert 0, ursprüngliches Timbre).
• Pausen — fügen Sie <#x#> zwischen Wörtern ein, um eine Stille von x Sekunden festzulegen (0.01–99.99).
• Textnormalisierung — liest URLs, E-Mail-Adressen, Telefonnummern, Datumsangaben und Geldbeträge automatisch vor.

Das Modell unterstützt 40 Sprachen mit Inline-Sprachwechseln in Texten mit mehreren Sprachen, und language_boost priorisiert eine Hauptsprache, wenn die Eingabe verschiedene Schriftsysteme mischt. Für das Voice Cloning wird eine etwa 10-sekündige Referenz verwendet; Fluent LoRA sorgt dafür, dass geklonte Stimmen auch bei akzentuierten oder stockenden Samples flüssig bleiben.

Von der offiziellen MiniMax-API zu GPTProto wechseln

Wenn Sie bereits die MiniMax-Route /v1/t2a_v2 aufrufen, ist der Wechsel zu GPTProto eine Zugriffsänderung und keine Modelländerung – die Modellbezeichnung bleibt speech-2.6-hd. Sie ändern die Basis-URL und Authentifizierung auf GPTProto (siehe den Quick Start oben für den genauen Endpunkt und das Anfrageformat) und rechnen dann über Ihr gemeinsames GPTProto-Guthaben statt über ein MiniMax-Konto ab. Ihre Vorteile:

• Ein Schlüssel, ein Guthaben für mehr als 200 Modelle – keine Konten pro Anbieter.
• Keine regional beschränkte Registrierung – relevant, wenn die Registrierung auf der MiniMax-Plattform in Ihrem Markt problematisch ist.
• Kostenlose Eingabetokens, Ausgabe für $60 / 1 Mio. – 40 % unter dem auf der Modellkarte angegebenen Listenpreis.

Stimm-IDs, Emotionen und Audioeinstellungen werden denselben Anfragefeldern zugeordnet. Prüfen Sie vor der Umstellung des Produktionsverkehrs im Quick Start die anbieterspezifischen Feldnamen.