minimax speech 2.6实现超低延迟（＜250ms）、无缝处理url/电话/金额等特殊格式、支持fluent lora语音克隆，提升自然度与多语言兼容性。
MiniMax Speech 2.6——我们最新的语音模型，它带来了全面的升级，包括超低延迟、增强的格式处理以及更自然、更像人声的语音代理场景。
自推出以来，MiniMax Speech 已成为全球语音智能领域的核心基础设施，以其卓越的语音技术和极高的性价比而闻名。
从为 ChatGPT 高级语音模式提供支持的 LiveKit，到 GitHub 上广受欢迎的开源框架 Pipecat，再到 YC 孵化的语音平台 Vapi，它们都选择 MiniMax Speech 作为其底层技术引擎。在智能硬件领域，Haivivi Bubble Pal、Fuzozo 和 Rokid Glasses 等创新产品也采用 MiniMax Speech 来提供自然流畅的语音交互体验。
MiniMax 通过技术创新不断推动新的生产力形式，打破语言和文化的障碍，提供自然流畅的互动，连接世界各地的每一个声音。
1. 超低延迟，响应速度更快：带来更流畅的整体交互体验
我们已全面优化音频生成流程，实现了低于 250 毫秒的端到端延迟——达到行业领先水平。在对响应时间要求严格的场景（例如实时对话）中，音频生成不再是瓶颈，从而确保了更流畅的整体交互体验。
2. 无缝处理特殊格式，更智能：实现更流畅的信息传递
Speech 2.6 现在可以直接转换多种语言的非标准文本格式，包括 URL、电子邮件地址、电话号码、日期和金额。无论您是将其用于大型语言模型，还是需要处理业务中动态变化的实体信息，都无需再进行繁琐的文本预处理。输入内容从一开始就能被正确读取，从而实现更流畅的信息传递。
- +1 415 415 9921 → “加一，四一五，四一五，九九二一”
- 1,234.56 美元 → “一千二百三十四美元五十六美分”
- 192.168.1.1 → “一九二点一六八点一点一”
- 2032-5-6 → “2032年5月6日”
- support-vip@technet.com → “support dash vip at technet dot com”
原文： “您好，奥利弗·史密斯，我是您的智能虚拟助手Max！感谢您的来电。我已找到您的档案。电话号码+1 415 415 9921的未付余额为1234.56美元。关联的IP地址为192.168.1.1。您的下一笔付款将于2032年5月6日到期。如有任何疑问，请联系support-vip@technet.com 。”
3. 更自然流畅的LoRA：带来更流畅的语音表达
除了进一步增强韵律自然性之外，Speech 2.6 还引入了 Fluent LoRA。
Speech 2.5 已经提供了一项便捷的高保真语音克隆功能，使用户能够保留原始语音的独特特征，例如口音和说话习惯。这项功能满足了实际应用场景中多样化的语音需求。
现在，您在克隆语音时无需再担心音源素材不完美。即使是带有口音或发音不流畅的非母语录音，Fluent LoRA 也能完美复制音色，同时生成与目标文本匹配的流畅自然的语音，使您的声音表达更加清晰流畅。
除了视频中展示的英语示例外，该功能还支持一键式语音克隆，可覆盖模型支持的 40 多种语言。
Speech 2.6 版本现已正式上线。欢迎体验！
MiniMax 开放平台：
https://www.php.cn/link/57a4fde3e6bc9c60fa095cc3e82e00eb
MiniMax Audio：
