English Arabic 简体中文 繁體中文 Français Deutsch 日本語 한국어 Português Русский Español

Novita AI 上的 MiniMax Speech 2.8 系列：支援情感語氣標籤的擬真語音合成，適用於所有語音應用場景

作者 / / Audio / 8 分鐘閱讀
Novita AI 上的 MiniMax Speech 2.8 系列：支援情感語氣標籤的擬真語音合成，適用於所有語音應用場景
目錄
  1. 什麼是 MiniMax Speech 2.8 系列？
  2. 核心功能與新特性
  3. 模型版本區別：HD 與 Turbo、同步與非同步
  4. 與 Speech 2.6 的對比
  5. 不同場景該選擇哪個版本？
  6. 如何在 Novita AI 上開始使用
  7. 總結

MiniMax Speech 2.8 系列是 MiniMax 領先的文字轉語音（TTS）產品線的最新升級版本，引入了情感語氣標籤 — 這類內嵌標記如 (laughs)、(sighs)、(gasps)，能讓 AI 生成的語音聽起來更加自然擬真。該系列在 Novita AI 上提供四種版本（HD Sync、HD Async、Turbo Sync、Turbo Async），2.8 系列延續了前代相同的定價，同時新增了同級競品根本無法提供的功能集。如果你正在開發語音代理、有聲書或任何音訊內容管線，現在就該評估這個 TTS 模型系列。

什麼是 MiniMax Speech 2.8 系列？

MiniMax 在 Artificial Analysis 語音競技場 和 Hugging Face TTS 競技場 始終位居前列，在盲測中表現優於 OpenAI 等行業巨頭。

Speech 2.8 系列是這條產品線的最新進化版本。它基於 MiniMax 的自回歸 Transformer 架構，搭配 Flow-VAE 解碼器，在學習到的潛在空間中生成語音，而非依賴傳統的梅爾頻譜聲碼器 — 最終輸出的音訊聽起來非常自然，具備正確的語調、呼吸感和情感細微差別。

2.8 系列的核心亮點功能：情感語氣標籤。首次，你可以將自然的感嘆詞直接嵌入文字輸入中，模型會將它們渲染為語音流中的真實人類聲音。

Novita AI 現已上線完整的 Speech 2.8 系列，開發者可以即時調用 API，無需冷啟動等待。

核心功能與新特性

情感語氣標籤

這是最突出的新增功能。在文字任意位置插入括號標記，模型就會將它們無縫融入生成的語音中：
標籤 效果 範例
(laughs) 笑聲 “太搞笑了 (laughs)”
(chuckle) 輕笑 “說得好 (chuckle)”
(sighs) 嘆氣 “唉 (sighs)，算了，開始吧”
(gasps) 驚訝的倒抽一口氣 “等等 (gasps)！真的嗎？”
(clears throat) 清喉嚨 “(clears throat) 我們開始吧”
(coughs) 咳嗽 “不好意思 (coughs)”
(sneezes) 打噴嚏 “阿啾 (sneezes)！抱歉”

這可不是噱頭功能 — 它解決了一個真實痛點。直到現在，要讓 TTS 輸出的語音聽起來自然流露，過去需要後期剪輯編輯或手動疊加音效。而有了語氣標籤，表現力直接內建在生成管線中。

連續音效模式

新增的 continuous_sound 參數可以平滑子句之間的過渡，消除會讓合成語音聽起來像拼接起來的細微音訊「縫隙」。這個效果在較長的語段中尤其明顯。

延續自 MiniMax Speech 系列的功能

Speech 2.8 系列保留了前代的所有功能集：

  • 支援40+ 種語言，搭配 language_boost 參數可提升小眾語言/方言的辨識準確率
  • 9 種情感預設：開心、悲傷、憤怒、恐懼、厭惡、驚訝、平靜、流暢、低語
  • 語音克隆：可使用系統語音、克隆語音或文字生成語音
  • 語音混合：透過 timber_weights 參數最多混合 4 種語音，支援加權比例設定
  • 語音調整：可獨立調整音高、音色和強度（範圍 -100 到 100）
  • 音效：寬敞迴響、禮堂迴響、電話失真、機器人音效
  • 音訊輸出格式：MP3、PCM、FLAC、WAV
  • 取樣率：8,000 至 44,100 Hz
  • 發音字典：可自訂品牌名稱、縮寫和專業術語的發音規則
  • 串流輸出：適用於即時應用場景
  • 文字上限：同步模式下單次請求最多 10,000 字元，非同步模式下最多 1,000,000 字元

模型版本區別：HD 與 Turbo、同步與非同步

Novita AI 在 Speech 2.8 系列中提供四個端點：
版本 端點 適用場景
Speech 2.8 HD Sync POST``/v3/minimax-speech-2.8-hd 高品質即時生成 — 適用於有聲書、專業語音旁白
Speech 2.8 HD Async POST /v3/async/minimax-speech-2.8-hd 高品質長文本生成 — 適用於批量有聲書製作、批次處理
Speech 2.8 Turbo Sync POST /v3/minimax-speech-2.8-turbo 低延遲即時生成 — 適用於語音代理、聊天機器人、線上客服
Speech 2.8 Turbo Async POST /v3/async/minimax-speech-2.8-turbo 快速處理長文本 — 適用於大規模內容生成、批量配音

HD 與 Turbo 的區別：HD 版本提供錄音室級別的音訊保真度 — 更豐富的音調細節、更細膩的情感渲染效果。Turbo 版本則優化處理速度，音訊保真度略低，非常適合即時互動場景。

同步與非同步的區別：同步模式會直接在 API 響應中返回音訊（最多處理 10,000 字元）。非同步模式最多可接受 1,000,000 字元的輸入，並返回 task_id 供你輪詢結果 — 非常適合有聲書和批次工作流。

與 Speech 2.6 的對比
功能 Speech 2.6 Speech 2.8
音訊品質 優異 優異
情感語氣標籤 ❌ ✅（支援 laughs、sighs、gasps 等）
連續音效模式 ❌ ✅
40+ 種語言支援 ✅ ✅
語音克隆 ✅ ✅
語音混合（最多 4 種） ✅ ✅
情感預設（9 種） ✅ ✅

升級路徑非常清晰：Speech 2.8 系列具備 Speech 2.6 的所有功能，同時新增了情感語氣標籤和連續音效模式，且定價完全相同。完全沒有理由不遷移。

Novita AI 上的定價

MiniMax Speech 2.8 系列在 Novita AI 上沿用 2.6 系列的定價結構：
模型 價格
Speech 2.8 Turbo（同步與非同步） 每 100 萬字元 60 美元
Speech 2.8 HD（同步與非同步） 每 100 萬字元 100 美元

如需查詢最新定價詳情，請訪問 Novita AI 定價控制台。

準備好試用 MiniMax Speech 2.8 系列了嗎？ 註冊 Novita AI 即可領取免費額度，幾分鐘內就能開始生成擬真、富有表現力的語音，無需任何基礎設施設定。

建立您的帳戶

不同場景該選擇哪個版本？

假如你正在為專案選擇合適的版本，以下是一份基於真實使用場景的快速指南：

🎙️ 「我正在開發播客或有聲書平台」

→ Speech 2.8 HD Async

你需要最高的音訊保真度，且內容屬於長文本形式。非同步端點單次請求最多可處理 100 萬字元 — 提交整個章節的內容，完成後即可獲取音訊。搭配語氣標籤和情感預設，能讓角色更生動：旁白在劇情反轉時 (sighs)、聽到笑話時 (laughs)，能大幅提升聽眾的沉浸感。

🤖 「我正在開發即時語音代理或聊天機器人」

→ Speech 2.8 Turbo Sync

延遲是這類場景的關鍵。Turbo Sync 專為即時響應設計，讓對話感覺更自然。當你的代理講笑話時加入 (chuckle)，或在傳遞重要資訊前加入 (clears throat) — 這些小細節能讓 AI 互動感覺更不像機器人。

🎮 「我正在為遊戲 NPC 或互動應用加入語音功能」

→ Speech 2.8 HD Sync

遊戲角色需要富有表現力的高品質語音。HD Sync 能即時提供錄音室級別的音訊。使用語音混合功能創造獨特角色音色，在戲劇性時刻加入語氣標籤 — 比如反派邪惡地 (laughs)，同伴發現新事物時 (gasps)。

📹 「我正在大規模製作影片語音旁白」

→ Speech 2.8 Turbo Async

你需要快速的批次處理能力，同時控制成本。Turbo Async 在速度和品質之間取得了平衡，非常適合大規模影片內容 — 包括解說影片、社群媒體短影音、培訓教材等。批量提交腳本，即可獲取打磨好的音訊檔案。

如何在 Novita AI 上開始使用

步驟 1：在 Playground 中試用

在撰寫任何程式碼之前，你可以直接在 Novita AI Playground 中體驗 MiniMax Speech 2.8 系列：

Novita Playground 介面

步驟 2：獲取 API 金鑰

  1. 註冊 Novita AI 帳戶（提供免費方案）
  2. 進入控制台的 API 金鑰區塊
  3. 生成新金鑰並妥善保存

如何獲取 API 金鑰

步驟 3：發起首次 API 呼叫

MiniMax Speech 2.8 支援兩種呼叫模式：
模式 適用場景 回傳類型
同步 即時對話、需要立即回覆的場景 立即返回音訊
非同步 有聲書、長文本、批次處理 返回任務 ID → 輪詢獲取結果

選項 A：同步呼叫（即時取得音訊）

適用於需要立即取得結果的短文本場景。

cURL 範例：

curl --request POST \
  --url https://api.novita.ai/v3/minimax-speech-2.8-hd \
  --header 'Authorization: <authorization>' \
  --header 'Content-Type: <content-type>' \
  --data '
{
  "text": "<string>",
  "stream": true,
  "voice_modify": {
    "pitch": 123,
    "timbre": 123,
    "intensity": 123,
    "sound_effects": "<string>"
  },
  "audio_setting": {
    "format": "<string>",
    "bitrate": 123,
    "channel": 123,
    "force_cbr": true,
    "sample_rate": 123
  },
  "output_format": "<string>",
  "voice_setting": {
    "vol": 123,
    "pitch": 123,
    "speed": 123,
    "emotion": "<string>",
    "voice_id": "<string>",
    "latex_read": true,
    "text_normalization": true
  },
  "aigc_watermark": true,
  "language_boost": "<string>",
  "stream_options": {
    "exclude_aggregated_audio": true
  },
  "timber_weights": [
    {
      "weight": 123,
      "voice_id": "<string>"
    }
  ],
  "subtitle_enable": true,
  "continuous_sound": true,
  "pronunciation_dict": {
    "tone": [
      {}
    ]
  }
}
'
  • Python 範例：
import requests

url = "https://api.novita.ai/v3/minimax-speech-2.8-hd"

payload = {
    "text": "<string>",
    "stream": True,
    "voice_modify": {
        "pitch": 123,
        "timbre": 123,
        "intensity": 123,
        "sound_effects": "<string>"
    },
    "audio_setting": {
        "format": "<string>",
        "bitrate": 123,
        "channel": 123,
        "force_cbr": True,
        "sample_rate": 123
    },
    "output_format": "<string>",
    "voice_setting": {
        "vol": 123,
        "pitch": 123,
        "speed": 123,
        "emotion": "<string>",
        "voice_id": "<string>",
        "latex_read": True,
        "text_normalization": True
    },
    "aigc_watermark": True,
    "language_boost": "<string>",
    "stream_options": { "exclude_aggregated_audio": True },
    "timber_weights": [
        {
            "weight": 123,
            "voice_id": "<string>"
        }
    ],
    "subtitle_enable": True,
    "continuous_sound": True,
    "pronunciation_dict": { "tone": [{}] }
}
headers = {
    "Content-Type": "<content-type>",
    "Authorization": "<authorization>"
}

response = requests.post(url, json=payload, headers=headers)

print(response.text)

選項 B：非同步呼叫（適用於長文本）

適用於長文本場景，或需要批次提交多個請求的場景。

1. 提交任務
  • cURL
curl --request POST \
  --url https://api.novita.ai/v3/async/minimax-speech-2.8-hd \
  --header 'Authorization: <authorization>' \
  --header 'Content-Type: <content-type>' \
  --data '
{
  "text": "<string>",
  "text_file_id": 123,
  "voice_modify": {
    "pitch": 123,
    "timbre": 123,
    "intensity": 123,
    "sound_effects": "<string>"
  },
  "audio_setting": {
    "format": "<string>",
    "bitrate": 123,
    "channel": 123,
    "audio_sample_rate": 123
  },
  "voice_setting": {
    "vol": 123,
    "pitch": 123,
    "speed": 123,
    "emotion": "<string>",
    "voice_id": "<string>",
    "english_normalization": true
  },
  "aigc_watermark": true,
  "language_boost": "<string>",
  "continuous_sound": true,
  "pronunciation_dict": {
    "tone": [
      {}
    ]
  }
}
'
  • Python
import requests

url = "https://api.novita.ai/v3/async/minimax-speech-2.8-hd"

payload = {
    "text": "<string>",
    "text_file_id": 123,
    "voice_modify": {
        "pitch": 123,
        "timbre": 123,
        "intensity": 123,
        "sound_effects": "<string>"
    },
    "audio_setting": {
        "format": "<string>",
        "bitrate": 123,
        "channel": 123,
        "audio_sample_rate": 123
    },
    "voice_setting": {
        "vol": 123,
        "pitch": 123,
        "speed": 123,
        "emotion": "<string>",
        "voice_id": "<string>",
        "english_normalization": True
    },
    "aigc_watermark": True,
    "language_boost": "<string>",
    "continuous_sound": True,
    "pronunciation_dict": { "tone": [{}] }
}
headers = {
    "Content-Type": "<content-type>",
    "Authorization": "<authorization>"
}

response = requests.post(url, json=payload, headers=headers)

print(response.text)
2. 輪詢任務完成狀態
  • cURL
 curl --request GET \
  --url https://api.novita.ai/v3/async/task-result \
  --header 'Authorization: <authorization>' \
  --header 'Content-Type: <content-type>'
  • Python
import requests

url = "https://api.novita.ai/v3/async/task-result"

headers = {
    "Content-Type": "<content-type>",
    "Authorization": "<authorization>"
}

response = requests.get(url, headers=headers)

print(response.text)

步驟 4：探索進階功能

當你完成基礎功能調試後，可以嘗試以下功能：

  • 語音混合：使用 timber_weights 參數最多混合 4 種語音，創造獨特的音色
  • 音效：透過 voice_modify.sound_effects 參數加入寬敞迴響或機器人音效濾鏡
  • 發音字典：為品牌名稱和縮寫自訂發音規則
  • 串流模式：在互動應用中設定 "stream": true 即可實現即時音訊傳輸
  • 語音調整：在 voice_modify 中微調 pitch、timbre 和 intensity（各參數範圍 -100 到 100）

總結

MiniMax Speech 2.8 系列為原本就屬於頂尖梯隊的 TTS 模型家族帶來了實質性升級。新增的情感語氣標籤和連續音效模式，解決了 AI 語音合成領域的兩個最常見痛點：讓語音聽起來自然流露，以及消除子句之間不自然的過渡。

Novita AI 上線的四個版本（HD 和 Turbo 各搭配同步、非同步模式）涵蓋了所有使用場景，從即時語音代理到大規模有聲書製作應有盡有。定價與 2.6 系列保持一致，意味著你只需支付相同的成本，就能獲得更強大的功能。

如果你目前正在使用 Speech 2.6，或是正在評估 TTS 方案，Speech 2.8 系列都是非常直接的升級選擇。今天就可以到 Novita AI Playground 試用，或是透過 API 參考文件開始使用。

Novita AI 是一個 AI 雲端平台，為開發者提供簡單的 API 介面，方便部署 AI 模型，同時也提供高性價比、可靠的 GPU 雲端服務，用於建構和擴展 AI 應用。

常見問題

應該選擇哪個版本：HD 還是 Turbo？

若音訊品質是首要考量，選擇 HD — 適用於有聲書、專業語音旁白、高品質內容場景。 若延遲是關鍵指標，選擇 Turbo — 適用於語音代理、聊天機器人、即時互動應用。兩個版本都支援包含語氣標籤在內的所有完整功能。

什麼時候該用同步模式，什麼時候用非同步模式？

同步模式適用於即時場景、短到中長度的文本（最多 10,000 字元）。 非同步模式適用於長文本內容（最多 1,000,000 字元）或批次處理工作流。

Novita AI 是否有免費方案可供測試？

有的。註冊 Novita AI 帳戶即可領取免費額度，您可以用這些額度在 Playground 中或透過 API 測試 Speech 2.8 系列及其他模型。

相關文章