↑
概述
面向播级音质的语音合成模型，支持 40 多种语言与 5 秒零样本克隆。
关键信息
| 项目 | 说明 |
|---|---|
| 发布方 | MiniMax |
| 发布时间 | 2026-02 |
| 语种 | 40+ |
| 采样率 | 最高 44.1kHz |
核心能力
- 支持 20 多种非语言声音（笑声、叹气、咳嗽等）
- 情绪可指定（happy / sad / angry / calm 等）
- 单次可处理约 1 万字符长文本
面向播级音质的语音合成模型，支持 40 多种语言与 5 秒零样本克隆。
| 项目 | 说明 |
|---|---|
| 发布方 | MiniMax |
| 发布时间 | 2026-02 |
| 语种 | 40+ |
| 采样率 | 最高 44.1kHz |