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。

模態

輸入

Audio*

Custom_voice_id*

Text

Need_noise_reduction

Enable noise reduction. Default is false (no noise reduction).

Need_volume_normalization

Specify whether to enable volume normalization. If not provided, the default value is false.

Accuracy

輸出

API 呼叫範例

curl --request POST "https://gptproto.com/api/v3/minimax/speech-2.5-turbo-preview-voice-clone/text-to-audio" \
  --header "Authorization: Bearer $GPTPROTO_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "audio": "",
    "custom_voice_id": "",
    "text": "Hello! Welcome to GPTProto! This is a preview of your cloned voice. I hope you enjoy it!",
    "need_noise_reduction": false,
    "need_volume_normalization": false,
    "accuracy": 0.7
  }'

Speech 2.5 Turbo Preview Voice Clone 定價

先從單次樣本成本開始，再選擇測試預算。GPTProto 費率比標價低 40%。

你的用量

模型

$0.5002 / 張

每月圖片數

場景預設

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。

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。

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。

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。

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。

與本模型相關的指南、對比與更新。

所有文章

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。