Voz · MiniMax
MiniMax Speech-02 HD
O modelo de voz de alta fidelidade da MiniMax para locuções e audiolivros, em mais de 30 idiomas. Escolha-o para leituras longas e constantes com vozes de personagens.
Anonimizado Very high costO que o diferencia
O MiniMax Speech-02 HD é um transformer autorregressivo com um codificador de locutor treinável, voltado para audiolivros e locuções em 32 idiomas. Desde então a MiniMax lançou o Speech 2.6 e o 2.8, que pontuam mais alto na arena.
- 32 idiomas, clonagem de voz zero-shot
- Variantes HD e Turbo
- A 2.8, mais tarde, traz tags de sons naturais
Pontos fortes e limites
Onde ele brilha
- Mais de 30 idiomas, incluindo o francês
- 15 vozes com personalidade (calma, grave, animada...)
Pense duas vezes quando
- Entre as vozes mais caras por caractere
- A clonagem de voz não é oferecida no Sub Rosa
- 15 vozes
- Até 5.000 caracteres por solicitação no Sub Rosa
Casos de uso
Capítulo de audiolivro
Leia este capítulo com uma voz masculina grave e calma, em ritmo constante.
Leitura longa e constante com vozes para os personagens.
Locução corporativa
Narre esta apresentação da empresa de 45 segundos em um tom confiante e simpático.
Qualidade HD em 32 idiomas.
Diante dos rivais
- ElevenLabsO ElevenLabs custa cerca da metade, com uma pontuação de arena parecida.1º de 10 em Artificial Analysis Speech Arena ( 1.330 Elo)
- Gemini 3.1 Flash TTSO Gemini pontua mais alto e usa tags, a um preço maior.3º de 10 em Artificial Analysis Speech Arena ( 1.209 Elo)
- Gradium TTSO Gradium pontua mais alto por cerca de um terço do preço.5º de 10 em Artificial Analysis Speech Arena ( 1.151 Elo)
Histórico de versões
Cada versão, com data, e o que ela mudou em relação à anterior.
- Speech-02 HDA mais recente
- Lançamento das variantes HD e Turbo, com prosódia sólida e grande semelhança de voz
- Speech 2.6Anterior, fora do Sub Rosa
- Voz mais responsiva para agentes
- Speech 2.8Anterior, fora do Sub Rosa
- Tags de sons naturais e áudio mais limpo
Benchmarks
Como ler estas pontuações: o que um benchmark diz.
Artificial Analysis Speech Arena: 6º de 10 modelos medidos no catálogo. As pessoas ouvem a mesma frase lida por duas vozes, sem saber quais são os modelos, e escolhem a mais natural. Uma pontuação Elo: quanto maior, mais natural soa para mais pessoas. Com 100 pontos de diferença, o modelo mais bem pontuado vence cerca de 64% dos duelos.
- 1. ElevenLabs TTS v4 TurboElevenLabs1.330
- 2. ElevenLabs TTS v4ElevenLabs1.329
- 3. Gemini 3.1 Flash TTSGemini 3.1 Flash TTS1.209
- 4. ElevenLabs TTS v3ElevenLabs1.178
- 5. Gradium TTSGradium TTS1.151
- 6. MiniMax Speech-02 HDMiniMax Speech-02 HD1.114
- 7. Chatterbox HD (Resemble AI)Chatterbox HD1.102
- 8. ElevenLabs Turbo v2.5ElevenLabs1.097
- 9. ElevenLabs Multilingual v2ElevenLabs1.095
- 10. Kokoro Text to SpeechKokoro1.064
Ver os números
| Modelo | Elo |
|---|---|
| 1. ElevenLabs TTS v4 Turbo | 1.330 |
| 2. ElevenLabs TTS v4 | 1.329 |
| 3. Gemini 3.1 Flash TTS | 1.209 |
| 4. ElevenLabs TTS v3 | 1.178 |
| 5. Gradium TTS | 1.151 |
| 6. MiniMax Speech-02 HD | 1.114 |
| 7. Chatterbox HD (Resemble AI) | 1.102 |
| 8. ElevenLabs Turbo v2.5 | 1.097 |
| 9. ElevenLabs Multilingual v2 | 1.095 |
| 10. Kokoro Text to Speech | 1.064 |
O modelo desta família
| Modelo | Uso | Privacidade | Preço |
|---|---|---|---|
MiniMax Speech-02 HDtts-minimax-speech-02-hd | Voz | Anonimizado | $ 0,0562 por 1.000 caracteres$ 0,169 por uma página lida em voz alta |
Especificações
| Especificação | Speech-02 HD |
|---|---|
| Lançamento | 2 de abril de 2025 |
| Pesos | Fechados |
| Aceita | text |
| Produz | audio |
| Idiomas | 32 idiomas |
| Preço | $ 0,0562 por 1.000 caracteres |
| Privacidade | Anonimizado |
Preços, contexto e durações do catálogo ao vivo em 16 de outubro de 2026; parâmetros e licenças segundo o fabricante.
Fontes
Tudo nesta página vem destas páginas, lidas em 16 de outubro de 2026 ou na data indicada em cada pontuação.