MiniMax Speech 2.6 API — Texto para fala HD com 40% de desconto sobre o preço de tabela

A MiniMax Speech 2.6 API transforma texto em áudio HD em 40 idiomas, com entrada de até 10.000 caracteres por solicitação e sete emoções integradas. No GPTProto, você chama o modelo speech-2.6-hd por $60 por 1M de tokens de saída, com tokens de entrada gratuitos — 40% de desconto sobre o preço de tabela, usando uma chave de API e um saldo compartilhado entre mais de 200 modelos. Não é necessária uma conta MiniMax nem uma inscrição restrita por região. Veja todos os modelos para descobrir o que mais funciona com a mesma chave.

O que o modelo MiniMax Speech 2.6 HD faz

speech-2.6-hd é a variante de alta fidelidade da família MiniMax Speech 2.6, ajustada para narração, audiolivros e locuções de marca em que os detalhes do timbre e a prosódia são importantes. Em comparação com o MiniMax Speech 02, ele melhora a similaridade multilíngue, o ritmo e a precisão da clonagem de voz, além de abranger 40 idiomas com suporte a dialetos. A rota "HD" prioriza a fidelidade; a rota Turbo da mesma família prioriza a menor latência. No GPTProto você acessa o modelo HD por meio da MiniMax Speech 2.6 API sem gerenciar diretamente uma conta MiniMax.

Narração longa e audiolivros

Para publicação e educação on-line, speech-2.6-hd aceita até 10.000 caracteres por solicitação (a saída em streaming é recomendada acima de 3.000 caracteres) e mantém uma voz consistente em trechos longos. A cobertura de 40 idiomas e o controle de emoção por solicitação (feliz, triste, irritado, com medo, enojado, surpreso, neutro) permitem que um único pipeline produza audiolivros multilíngues, materiais didáticos e faixas de acessibilidade para leitura em voz alta. Scripts longos devem ser segmentados e transmitidos em streaming, em vez de enviados como um único bloco.

Agentes de voz e scripts de suporte

O Speech 2.6 lê texto dinâmico da forma que um agente precisa: URLs, endereços de e-mail, números de telefone, datas e valores monetários são verbalizados corretamente sem pré-processamento (por exemplo, $1,234.56 → "mil duzentos e trinta e quatro dólares e cinquenta e seis centavos"). speech-2.6-hd oferece suporte à saída PCM em streaming para uma reprodução responsiva. Se sua prioridade for a menor latência possível, o GPTProto também disponibiliza speech-2.5-turbo-preview com a mesma chave — a rota HD troca um pouco de velocidade por maior fidelidade.

Por que chamar o MiniMax Speech 2.6 pelo GPTProto

Usar diretamente o MiniMax significa ter uma conta separada, cobrança por caractere e uma inscrição restrita por região. O GPTProto oferece o mesmo modelo speech-2.6-hd com uma única chave de API e um único saldo pré-pago compartilhado entre mais de 200 modelos de texto, imagem, vídeo e áudio. Você recarrega uma vez e gasta em qualquer lugar, monitora o uso em um único painel e mantém a string do modelo idêntica caso migre posteriormente. Obtenha acesso, não uma reescrita do modelo.

O que é o MiniMax Speech 2.6?

O MiniMax Speech 2.6 é uma família de modelos de conversão de texto em fala (TTS / texto para áudio) anunciada em 30 de outubro de 2025, criada para agentes de voz, narração multilíngue e leitura correta de textos não padronizados. Ela é oferecida em duas rotas: HD (com foco em fidelidade) e Turbo (baixa latência). O GPTProto disponibiliza a rota HD como speech-2.6-hd por meio da MiniMax Speech 2.6 text-to-speech API. A tabela abaixo é a especificação de trabalho do speech-2.6-hd.

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

Os três funcionam no GPTProto com a mesma chave, para que você possa testá-los em seus próprios scripts. O Speech 2.6 melhora a similaridade multilíngue, o ritmo e o tratamento de texto não padronizado em relação à linha 2.5; a rota 2.5 Turbo continua sendo a opção mais rápida.

Versão resumida: escolha o 2.6 HD para a narração mais natural e a leitura correta de textos confusos; mantenha o 2.5 HD apenas se um fluxo de trabalho já estiver ajustado para ele — a taxa de saída é os mesmos $60, portanto o 2.6 HD é o padrão; use o 2.5 Turbo por $36 / 1M de tokens de saída quando a velocidade das interações e o custo forem mais importantes que a fidelidade.

Vozes, emoções e cobertura de idiomas

speech-2.6-hd oferece vozes do sistema e vozes clonadas por meio de voice_id, além de controle por solicitação sobre a forma de entrega:

• Emoção — uma de sete: feliz, triste, irritado, com medo, enojado, surpreso, neutro.
• Velocidade — 0.5–2.0 (padrão 1.0).
• Volume — >0–10 (padrão 1.0).
• Tom — -12–+12 em etapas inteiras (padrão 0, timbre original).
• Pausas — insira <#x#> entre as palavras para definir um silêncio de x segundos (0.01–99.99).
• Normalização de texto — lê automaticamente URLs, endereços de e-mail, números de telefone, datas e valores monetários.

O modelo abrange 40 idiomas com alternância embutida em textos multilíngues, e language_boost prioriza um idioma principal quando a entrada mistura alfabetos. A clonagem de voz usa uma referência de aproximadamente 10 segundos; o Fluent LoRA mantém a fluência de vozes clonadas mesmo com amostras acentuadas ou com disfluências.

Migração do MiniMax oficial para o GPTProto

Se você já chama a rota /v1/t2a_v2 do MiniMax, migrar para o GPTProto é uma mudança de acesso, não de modelo — a string do modelo continua sendo speech-2.6-hd. Você troca a URL base e a autenticação pelo GPTProto (consulte o Quick Start acima para ver o endpoint exato e o formato da solicitação) e passa a cobrar do seu saldo compartilhado do GPTProto, em vez de uma conta MiniMax. O que você ganha:

• Uma chave, um saldo compartilhado entre mais de 200 modelos — sem contas por provedor.
• Sem inscrição restrita por região — relevante se a inscrição na plataforma MiniMax for difícil no seu mercado.
• Tokens de entrada gratuitos, saída a $60 / 1M — 40% de desconto sobre a tarifa de tabela exibida no cartão do modelo.

Os IDs de voz, a emoção e as configurações de áudio correspondem aos mesmos campos da solicitação; confirme os nomes de campos específicos do provedor no Quick Start antes de transferir o tráfego de produção.