Novita AI a enrichi sa suite de génération vocale avec une prise en charge complète de la série MiniMax Speech-2.6, qui comprend quatre variantes avancées. Cette version offre une expressivité multilingue accrue, une réplication vocale plus précise et une couverture élargie avec 40 langues, ce qui la rend idéale à la fois pour les applications en temps réel et la génération de contenu audio long format.
Dans cet article, nous vous présenterons les nouveautés de Minimax Speech-2.6, expliquerons ses fonctionnalités et points forts, et vous montrerons comment démarrer avec l’API sur Novita AI.
Essayez MiniMax Speech-2.6 dès maintenant !
Qu’est-ce que Minimax Speech-2.6 ?
MiniMax Speech 2.6 est la dernière génération de technologie vocale, qui apporte des améliorations majeures telles qu’une latence ultra-faible, une meilleure compatibilité des formats et une sortie vocale plus fluide et réaliste, ce qui la rend idéale pour alimenter des expériences d’agent vocal naturelles et réactives. La série comprend quatre variantes spécialisées : MiniMax Speech-2.6-hd Text to Speech, MiniMax Speech-2.6-hd Async Long TTS, MiniMax Speech-2.6-turbo Text to Speech et MiniMax Speech-2.6-turbo Async Long TTS, chacune conçue pour répondre à des besoins applicatifs différents.
Minimax Speech-2.6 : HD vs Turbo
| Fonctionnalité | Minimax Speech HD | Minimax Speech Turbo |
|---|---|---|
| Qualité audio | Ultra-réaliste, clarté de qualité studio | Haute définition, mais moins expressif |
| Vitesse de traitement | Latence plus élevée, qualité prioritaire | Faible latence, génération instantanée |
| Coût | Coût plus élevé en raison de la fidélité | Moins cher que la version HD |
| Prise en charge des émotions | Expression émotionnelle avancée | Prise en charge des émotions, légèrement moins nuancée |
| Cas d’usage optimaux | Livres audio, médias, narration | Chatbots, assistants, applications en temps réel |
| Contrôle des paramètres | SSML, contrôle des phonèmes, options avancées | TTS rapide, émotion, multilingue, compatible API |
Minimax Speech-2.6 : Synchrone vs Asynchrone
| Mode | Description | Cas d’usage optimaux |
|---|---|---|
| Synchrone | Convertit le texte en parole instantanément en temps réel | Assistants vocaux en direct, chatbots |
| Asynchrone | Traite le texte séparément ; les résultats sont fournis ultérieurement | Livres audio, tâches par lot, annonces |
Points forts de Minimax Speech 2.6
1. Faible latence, haute réactivité : pour des interactions en temps réel sans effort
L’ensemble du pipeline de génération audio a été entièrement repensé pour offrir une latence de bout en bout inférieure à 250 millisecondes, atteignant l’un des standards les plus élevés du secteur. Cette avancée garantit que même dans les scénarios nécessitant un retour instantané, comme les conversations vocales en temps réel ou les assistants interactifs, la génération audio reste fluide et ininterrompue. Le résultat est un flux de communication beaucoup plus fluide et naturel, permettant à chaque échange de sembler immédiat et humain.
2. Traitement plus intelligent des formats spécialisés : pour une diffusion d’informations fluide et précise
Speech 2.6 introduit une gestion intelligente d’un large éventail de formats de texte spécialisés dans plusieurs langues, notamment les URL, les adresses e-mail, les numéros de téléphone, les dates et les expressions monétaires. Le système peut désormais interpréter et vocaliser ces formats directement, sans avoir recours à des étapes de prétraitement externes ou à des scripts supplémentaires. Cela le rend particulièrement efficace lorsqu’il est associé à des modèles de langage étendus ou à des applications qui gèrent des données dynamiques en temps réel. En garantissant que chaque information est lue correctement et naturellement dès le départ, Speech 2.6 offre une diffusion de contenu complexe plus cohérente, efficace et naturelle.
3. Naturalité accrue : pour des voix authentiques et expressives
Au-delà des améliorations apportées à la prosodie et au ton vocal, Speech 2.6 introduit la nouvelle technologie Fluent LoRA, conçue pour offrir une plus grande fluidité et un plus grand réalisme dans la parole générée. S’appuyant sur les bases de clonage vocal haute fidélité de Speech 2.5, cette version capture des caractéristiques subtiles telles que les accents individuels, le rythme et les habitudes de parole avec une précision remarquable. Même lorsque les enregistrements sources contiennent des échantillons imparfaits ou des prononciations non natives, Fluent LoRA peut reproduire fidèlement le timbre de la voix tout en générant une parole à la fois fluide et expressive. Cette avancée permet à Speech 2.6 de mettre en valeur la personnalité naturelle et la clarté de chaque voix, rendant la parole numérique plus engageante et émotionnellement résonnante que jamais.
Applications de Minimax Speech 2.6
| Variante du modèle | Type | Points forts | Applications idéales |
|---|---|---|---|
| MiniMax Speech-2.6-HD Text-to-Speech | TTS haute définition en temps réel | Clarté de qualité studio, contrôle expressif du ton, rendu précis des émotions | Assistants virtuels premium, livres audio, podcasts et avatars numériques où la naturalité et la richesse vocale sont essentielles |
| MiniMax Speech-2.6-HD Async Long TTS | TTS longue durée asynchrone haute définition | Génération stable et de haute qualité pour du contenu long, faible distorsion sur de longues durées | Narration pour l’e-learning, récits longs, voix off vidéo, lecture automatique d’actualités |
| MiniMax Speech-2.6-Turbo Text-to-Speech | TTS rapide en temps réel | Latence ultra-faible, léger pour une réponse rapide | Agents vocaux interactifs, robots d’assistance client en direct, outils de communication en temps réel |
| MiniMax Speech-2.6-Turbo Async Long TTS | TTS longue durée asynchrone rapide | Optimisé pour la synthèse par lots rapide de textes longs | Génération de contenu massif, doublage à grande échelle, pipelines de production rapide de livres audio ou de médias |
Comment utiliser Minimax Speech-2.6 pour un clonage vocal rapide sur Novita AI ?
Novita AI propose une API REST pour le clonage vocal avec Minimax Speech-2.6. Minimax Speech-2.6 commence à 60 $ par million de caractères pour le modèle Turbo et à 100 $ par million de caractères pour le modèle HD sur Novita AI. Vous pouvez démarrer en quelques étapes simples en utilisant le guide API ci-dessous.
Étape 1 : Définir les paramètres
En-tête
| En-tête | Type | Requis | Signification / Description |
|---|---|---|---|
| Content-Type | chaîne | Oui | Spécifie le type de média du corps de la requête. Utilisez application/json. |
| Authorization | chaîne | Oui | Jeton Bearer pour l’authentification API. Format : Bearer {API Key}. Exemple : Bearer sk-xxxxxx |
Corps
| Paramètre | Type | Signification / Description |
|---|---|---|
speed |
nombre | Plage : [0.5, 2], valeur par défaut 1.0. |
emotion |
chaîne | Contrôle l’émotion de la parole synthétisée. Prend actuellement en charge 7 émotions : heureux, triste, en colère, craintif, dégoûté, surpris, neutre. |
text |
chaîne | Texte (Synchrone : moins de 10 000 caractères / Asynchrone : moins de 50 000 caractères) à synthétiser pour l’aperçu. Le résultat est renvoyé sous forme d’URL audio. |
model |
chaîne | Spécifie le modèle vocal pour l’aperçu. Options : speech-2.6-hd, speech-2.6-turbo |
voice id |
chaîne | Prend en charge les voix système (ID) et les voix clonées (ID). Les ID de voix système disponibles sont par exemple : Wise_Woman, Friendly_Person, Inspirational_girl, Deep_Voice_Man, Calm_Woman… |
Étape 2 : Obtenir votre clé API
Étape 3 : Exemple en Python
import requests
url = "https://api.novita.ai/v3/minimax-speech-2.6-hd"
payload = {
"text": "<string>",
"voice_setting": {
"speed": 123,
"vol": 123,
"pitch": 123,
"voice_id": "<string>",
"emotion": "<string>",
"text_normalization": True
},
"audio_setting": {
"sample_rate": 123,
"bitrate": 123,
"format": "<string>",
"channel": 123
},
"pronunciation_dict": { "tone": [{}] },
"timbre_weights": [
{
"voice_id": "<string>",
"weight": 123
}
],
"stream": True,
"language_boost": "<string>",
"output_format": "<string>",
"voice_modify": {
"pitch": 123,
"intensity": 123,
"timbre": 123,
"sound_effects": "<string>"
}
}
headers = {
"Content-Type": "<content-type>",
"Authorization": "<authorization>"
}
response = requests.post(url, json=payload, headers=headers)
print(response.json())
Questions fréquemment posées
Quelles sont les nouveautés de MiniMax Speech-2.6 par rapport à la version précédente ?
MiniMax Speech-2.6 est la dernière génération de la technologie de synthèse vocale de MiniMax, qui apporte des améliorations majeures en termes de latence, de naturalité et de gestion des formats. Elle produit des voix plus humaines et expressives et prend en charge 40 langues avec une fluidité multilingue accrue.
Quelles sont les variantes principales de MiniMax Speech-2.6 ?
MiniMax Speech-2.6 comprend quatre variantes spécialisées : Speech-2.6-HD Text-to-Speech, Speech-2.6-HD Async Long TTS, Speech-2.6-Turbo Text-to-Speech et Speech-2.6-Turbo Async Long TTS, chacune optimisée pour des cas d’usage différents comme la réponse en temps réel ou la narration de contenu long.
MiniMax Speech-2.6 peut-il traiter automatiquement les formats de texte non standards ?
Oui. MiniMax Speech-2.6 peut interpréter directement les URL, les adresses e-mail, les numéros de téléphone, les dates et les expressions monétaires dans plusieurs langues, éliminant ainsi le besoin de prétraitement manuel du texte.
Novita AI est la plateforme cloud tout-en-un qui concrétise vos ambitions en matière d’IA. Des API intégrées, du serverless, des instances GPU : les outils rentables dont vous avez besoin. Éliminez les problèmes d’infrastructure, commencez gratuitement et donnez vie à votre vision de l’IA.
