大模型之家讯 10月30日，MiniMax发布最新版本的语音模型MiniMax Speech 2.6。本次更新主要面向Voice Agent场景，优化端到端延迟、专业格式文本支持能力，并提升语音自然度。
根据MiniMax介绍，Speech 2.6通过对音频生成链路的整体优化，将端到端延迟降低至约250毫秒，接近行业前沿水平。该能力主要面向实时语音对话应用，如AI客服与交互式智能助手等场景。公司表示，快速响应将有助于减少交互过程中的停顿感，提高整体流畅度。
在信息表达层面，Speech 2.6新增了多语言环境下对电话号码、Email、网址、日期及金额等非标准文本的直接识别和口语化处理机制，减少业务方在接入语音系统前的文本预处理成本。对于涉及动态数据的信息播报场景，如在线客服、支付系统提醒等，处理方式将更加接近真实工作流程。
在语音质量方面，相比此前版本，Speech 2.6进一步改善语音自然度，并引入Fluent LoRA能力，旨在使音色复刻场景中生成语音表达更加流畅。MiniMax表示，即便原始素材带有口音或语流不稳定，系统也能在保留音色特征的同时生成符合目标文本的自然语音。
MiniMax Speech目前已被多家语音平台及硬件设备厂商集成。例如，LiveKit为ChatGPT高级语音模式提供基础能力，开源框架Pipecat，以及YC孵化企业Vapi均采用MiniMax Speech作为底层技术引擎。在消费级智能硬件方面，Haivivi Bubble Pal、Fuzozo、Rokid等厂商的产品已搭载其语音技术。
原创文章，作者：志斌，如若转载，请注明出处：http://www.damoai.com.cn/archives/13409
