低於 300 毫秒的低延遲
針對即時聊天進行最佳化，TTFA 約為 280 毫秒，在即時使用情境下比業界多數競爭產品更快速。
speech-2.5-turbo-preview-voice-clone
MiniMax 的 Text Speech 2.5 模型提供業界領先的零樣本語音複製功能。延遲低於 300 毫秒，並可輸出高保真度的 48kHz 音訊，將文字即時轉換為自然語音，呈現呼吸聲與笑聲等情感線索。
$ 0.5003
$ 0.8338
text
audio
Playground
JSON
API
輸入
您的請求將花費$0每次執行，對於$100您大約可以執行此模型0次
text speech 2.5 主要功能
speech-2.5-turbo-preview-voice-clone 模型的進階功能，針對高保真文字轉音訊任務進行最佳化。
情感韻律與標籤
原生多模態架構可產生笑聲、呼吸聲等非語言提示，帶來真正如人類般的輸出效果。
跨語言能力
以一種語言複製聲音，並讓它以支援的 25+ 種語言中的另一種語言說話，同時保留其口音。
零樣本語音複製
只需 3-6 秒的音訊樣本，即可在幾秒內建立複製聲音。無需微調，即可呈現高保真效果。
如何取得 speech-2.5-turbo-preview-voice-clone API 金鑰
取得 speech-2.5-turbo-preview-voice-clone API 金鑰只需四個步驟，僅需幾分鐘。建立免費的 GPTProto 帳號、儲值、產生金鑰，並進行第一次呼叫 — 在 $0.5003 這裡能以比直連更划算的價格取得 speech-2.5-turbo-preview-voice-clone API 金鑰，且單一金鑰即可在平台上所有模型通用。完整 speech-2.5-turbo-preview-voice-clone 說明文件 請參閱說明文件。
註冊
建立您的免費 GPT Proto 帳號即可開始。您可以隨時為您的團隊設定組織。
儲值
您的餘額可用於平台上的所有模型，包括 speech-2.5-turbo-preview-voice-clone，讓您能靈活地進行實驗並隨需求擴充。
產生您的 API 金鑰
在您的儀表板中建立 API 金鑰 — 進行 speech-2.5-turbo-preview-voice-clone 請求時，您將需要它來進行驗證。
進行第一次 API 呼叫
使用您的 API 金鑰搭配我們的範例程式碼，透過 GPT Proto 向 speech-2.5-turbo-preview-voice-clone 發送請求，並立即查看 AI 生成的結果。
text speech 2.5：常見問題
取得有關 2.5 模型文字與語音功能的解答。了解語音複製、延遲，以及如何透過 GPTProto.com 平台將這項文字型 AI 整合至您的應用程式中。
語音合成需要多少文字？
speech-2.5-turbo-preview-voice-clone 模型每次請求最多可處理 10,000 個字元的文字。這使其能夠生成長篇內容，但為了獲得最佳串流效能，我們建議將極長的文字分割成多個區塊。如此可確保文字轉音訊的轉換過程穩定且回應迅速，為終端使用者帶來良好體驗。
text speech 2.5 是否支援零樣本複製？
可以。您只需要提供 3 至 6 秒的音訊參考。模型會立即使用此樣本複製目標聲音的音色與韻律，無需額外訓練或微調，非常適合快速部署。生成的語音能高度準確地保留原始說話者的口音與獨特特徵。
文字轉語音任務的延遲是多少？
這款 2.5 turbo 模型專為即時互動而設計。其首個音訊生成時間（Time-to-First-Audio，TTFA）約為 280 毫秒。這種低於一秒的延遲可確保您的語音助理幾乎即時回應文字輸入，提供流暢、自然且近似真人的對話體驗。
模型能處理雙語文字輸入嗎？
當然可以。它擅長語碼轉換，這表示即使在同一個文字句子中，也能在英語與中文等兩種語言之間切換，同時維持語音品質，避免語音輸出時出現音訊瑕疵。這使其非常適合國際應用程式與全球使用者。
是否支援 48kHz 高保真音訊？
可以，2.5 模型支援 48kHz 採樣率。這種高解析度輸出適合專業媒體製作、遊戲，以及任何語音音訊品質必須符合廣播標準的應用程式。您可以將回應格式指定為 flac 或 pcm，以保留這種高保真音質。
如何在 GPTProto 上存取 text speech 2.5？
您可以透過我們相容於 OpenAI 的 API 存取此模型。這可提供統一計費，且無最低月度消費門檻。只需更新基礎 URL 並使用您的 GPTProto 金鑰，即可開始從文字生成高品質語音。我們的平台提供最低延遲的路由，確保您的應用程式發揮最佳效能。
相關文章
更多部落格
掌握 GPT-4o Transcribe：語音轉文字
使用 GPT-4o transcribe 即時將音訊轉換為文字。了解如何存取這項改變遊戲規則的 AI、其實際用途，以及實惠的價格。
Minimax Speech 02：逼真度與 API 延遲
掌握 minimax speech 02 的高擬真語音合成技術。立即了解如何打造低延遲、具情感的 AI 音訊應用程式。
GPT-4o Mini TTS：OpenAI 的文字轉語音技術
了解 GPT-4o Mini TTS。這款由 OpenAI 開發的文字轉語音模型，能提供自然逼真的聲音、情感表達與快速回應時間。
Kimi AI 對比競爭對手：速度、成本與真相
忘掉高昂的價格標籤。Kimi AI 能為日常編程與寫作任務提供快速、可靠的成果。立即了解它是否適合你的工作流程。