MiniMax Speech 2.6 API — HD-преобразование текста в речь со скидкой 40% от каталожной цены
MiniMax Speech 2.6 API преобразует текст в HD-аудио на 40 языках, поддерживает до 10 000 символов во входных данных на запрос и семь встроенных эмоций. В GPTProto вы вызываете модель speech-2.6-hd по цене $60 за 1 млн выходных токенов, при этом входные токены бесплатны — скидка 40% от каталожной цены, используя один API-ключ и единый баланс для более чем 200 моделей. Отдельная учётная запись MiniMax и регистрация с региональными ограничениями не требуются. Просмотрите все модели, чтобы узнать, что ещё доступно с тем же ключом.
Возможности модели MiniMax Speech 2.6 HD
speech-2.6-hd — высокоточная версия семейства MiniMax Speech 2.6, оптимизированная для дикторской озвучки, аудиокниг и брендовой озвучки, где важны детализация тембра и просодия. По сравнению с MiniMax Speech 02 она улучшает мультиязыковое сходство, ритм и точность клонирования голоса, а также поддерживает 40 языков и работу с диалектами. Маршрут "HD" ориентирован на точность воспроизведения, а маршрут Turbo того же семейства — на минимальную задержку. В GPTProto вы получаете доступ к HD-модели через MiniMax Speech 2.6 API, не управляя учётной записью MiniMax напрямую.
Длинные дикторские записи и аудиокниги
Для публикаций и электронного обучения speech-2.6-hd принимает до 10 000 символов на запрос (для запросов более 3 000 символов рекомендуется потоковый вывод) и сохраняет единообразие голоса в длинных фрагментах. Поддержка 40 языков и управление эмоциями для каждого запроса (радость, грусть, гнев, страх, отвращение, удивление, нейтральная эмоция) позволяют одному конвейеру создавать мультиязычные аудиокниги, учебные материалы и дорожки для специальных возможностей с озвучиванием текста. Длинные сценарии следует разбивать на части и передавать потоково, а не отправлять единым блоком.
Голосовые агенты и сценарии поддержки
Speech 2.6 озвучивает динамический текст так, как это требуется агенту: URL-адреса, адреса электронной почты, номера телефонов, даты и денежные суммы корректно преобразуются в речь без предварительной обработки (например, $1,234.56 → "одна тысяча двести тридцать четыре доллара и пятьдесят шесть центов"). speech-2.6-hd поддерживает потоковый вывод PCM для быстрого воспроизведения. Если для вас важна минимально возможная задержка, GPTProto также предоставляет speech-2.5-turbo-preview с тем же ключом — HD-маршрут жертвует небольшой частью скорости ради более высокой точности.
Зачем вызывать MiniMax Speech 2.6 через GPTProto
При прямом обращении к MiniMax требуются отдельная учётная запись, тарификация за символы и регистрация с региональными ограничениями. GPTProto предоставляет ту же модель speech-2.6-hd через один API-ключ и единый предоплаченный баланс, общий для более чем 200 текстовых, графических, видео- и аудиомоделей. Пополняйте баланс один раз и расходуйте средства в любом сервисе, отслеживайте использование на одной панели управления и сохраняйте неизменной строку модели при последующей миграции. Получите доступ без переписывания кода модели.
Что такое MiniMax Speech 2.6?
MiniMax Speech 2.6 — это семейство моделей преобразования текста в речь (TTS / text-to-audio), представленное 30 октября 2025 года и созданное для голосовых агентов, мультиязычной дикторской озвучки и корректного чтения нестандартного текста. Оно выпускается в двух вариантах: HD (ориентирован на точность) и Turbo (низкая задержка). GPTProto предоставляет HD-маршрут как speech-2.6-hd через MiniMax Speech 2.6 text-to-speech API. В таблице ниже приведены рабочие характеристики speech-2.6-hd.
| Характеристика | speech-2.6-hd |
|---|---|
| Строка модели | speech-2.6-hd |
| Модальность | Текст → аудио (TTS / T2A) |
| Вариант | HD (точность); Turbo — вариант с низкой задержкой |
| Языки | 40 языков + диалекты |
| Максимальный объём входных данных | Менее 10 000 символов на запрос (потоковая передача более 3 000) |
| Эмоции | 7 — радость, грусть, гнев, страх, отвращение, удивление, нейтральная эмоция |
| Управление голосом | скорость [0.5–2.0], громкость (0–10], высота тона [-12–+12] |
| Частоты дискретизации | 22,050 / 24,000 / 44,100 / 48,000 Гц |
| Битрейты | 64k–320k бит/с (MP3 / OGG) |
| Форматы вывода | MP3, WAV, OGG, FLAC; потоковый PCM |
| Клонирование голоса | Поддерживается — эталон длительностью 10 секунд; Fluent LoRA для беглости клонированного голоса |
| Нормализация текста | Автоматически читает URL, адреса электронной почты, номера телефонов, даты и денежные суммы |
| Цена GPTProto | $0 / 1 млн входных токенов · $60 / 1 млн выходных токенов (скидка 40% от каталожной цены) |
| Доступ к модели GPTProto | Один API-ключ, общий баланс для более чем 200 моделей |
MiniMax Speech 2.6 HD против 2.5 HD и 2.5 Turbo
Все три модели работают в GPTProto с одним ключом, поэтому вы можете сравнивать их на собственных сценариях. Speech 2.6 улучшает мультиязыковое сходство, ритм и обработку нестандартного текста по сравнению с линейкой 2.5; маршрут 2.5 Turbo остаётся самым быстрым вариантом.
speech-2.6-hd |
speech-2.5-hd-preview |
speech-2.5-turbo-preview |
|
|---|---|---|---|
| Приоритет | Точность HD | Точность HD (пред. поколение) | Задержка + стоимость |
| Языки | 40 | 40 | 40 |
| Нормализация текста (URL / даты / суммы) | Улучшенная | Базовая | Базовая |
| Клонирование голоса | Да (Fluent LoRA) | Да | Да |
| Лучше всего подходит для | Дикторской озвучки, аудиокниг, брендовой озвучки | Существующих рабочих процессов 2.5 HD | Агентов реального времени, IVR |
| Цена GPTProto (за 1 млн токенов) | $0 на входе / $60 на выходе | $0 на входе / $60 на выходе | $0 на входе / $36 на выходе |
Кратко: выбирайте 2.6 HD для наиболее естественной дикторской озвучки и корректного чтения сложного текста; используйте 2.5 HD только если рабочий процесс уже настроен под него — стоимость выхода у него такая же, $60, поэтому 2.6 HD является вариантом по умолчанию; используйте 2.5 Turbo по цене $36 / 1 млн выходных токенов, когда скорость диалога и стоимость важнее точности.
Голоса, эмоции и языковое покрытие
speech-2.6-hd предоставляет системные и клонированные голоса через voice_id, а также позволяет управлять подачей для каждого запроса:
- Эмоция — одна из семи: радость, грусть, гнев, страх, отвращение, удивление, нейтральная эмоция.
- Скорость —
0.5–2.0(по умолчанию1.0). - Громкость —
>0–10(по умолчанию1.0). - Высота тона —
-12–+12с целочисленным шагом (по умолчанию0, исходный тембр). - Паузы — вставляйте
<#x#>между словами, чтобы задать паузу длительностьюxсекунд (0.01–99.99). - Нормализация текста — автоматически читает URL, адреса электронной почты, номера телефонов, даты и денежные суммы.
Модель поддерживает 40 языков с переключением между ними внутри текста на разных языках, а параметр language_boost задаёт приоритет основного языка, если входные данные содержат разные письменности. Для клонирования голоса используется эталон длительностью около 10 секунд; Fluent LoRA сохраняет беглость клонированного голоса даже при наличии акцента или нарушений плавности речи в образцах.
Переход с официального MiniMax на GPTProto
Если вы уже вызываете маршрут MiniMax /v1/t2a_v2, переход на GPTProto меняет способ доступа, а не модель — строка модели остаётся speech-2.6-hd. Замените базовый URL и данные авторизации на GPTProto (точные endpoint и формат запроса приведены в разделе «Быстрый старт» выше), после чего оплата будет списываться с общего баланса GPTProto, а не с учётной записи MiniMax. Вы получите:
- Один ключ и один баланс для более чем 200 моделей — без отдельных учётных записей у разных провайдеров.
- Регистрацию без региональных ограничений — это особенно важно, если регистрация на платформе MiniMax затруднена в вашем регионе.
- Бесплатные входные токены, выходные токены по цене $60 / 1 млн — скидка 40% от тарифа, указанного на карточке модели.
Идентификаторы голосов, эмоции и настройки аудио соответствуют тем же полям запроса; перед переводом рабочего трафика проверьте названия полей, специфичных для провайдера, в разделе «Быстрый старт».
