Speech-02: мощная модель преобразования текста в речь (TTS) от MiniMax Audio 133

Что такое Speech-02?

MiniMax Audio Speech-02 — это мощная модель преобразования текста в речь (TTS), способная мгновенно превращать любой файл или URL-адрес в реалистичное аудио. Она поддерживает ввод до 200 000 символов за один раз, охватывает более 30 языков и передаёт аутентичные акценты. Кроме того, Speech-02 поддерживает неограниченное клонирование голоса, потоковую обработку с задержкой менее секунды, а также множество аудиоформатов (таких как FLAC, WAV, MP3 и PCM).

Модель Speech-02 доступна в двух версиях: speech-02-hd-preview (отличается 99% сходством голоса и студийным качеством звука, подходит для озвучивания, аудиокниг и других сценариев, требующих реалистичного звучания) и speech-02-turbo-preview (обеспечивает баланс между низкой задержкой и высокой производительностью, подходит для приложений реального времени).

Языковые и голосовые возможности

• Многоязычная поддержка: Speech-02 поддерживает преобразование текста в речь на более чем 30 языках, включая английский, китайский, японский, корейский, французский, немецкий, испанский, португальский, итальянский, арабский, русский, турецкий, нидерландский, украинский, вьетнамский, хинди, тайский, польский, румынский, греческий, финский и индонезийский, с аутентичными акцентами.

• Богатая библиотека голосов: более 300 естественных и реалистичных голосов с аутентичным произношением на разных языках.

Технические характеристики

• Количество символов за один ввод: поддерживается ввод до 200 000 символов за один раз.

• Скорость потоковой обработки: поддерживается потоковая обработка с задержкой менее секунды.

• Версии модели: включают speech-02-hd-preview и speech-02-turbo-preview. Первая отличается 99% сходством голоса и студийным качеством звука, подходит для озвучивания, аудиокниг и других сценариев, требующих реалистичного звучания; вторая обеспечивает баланс между низкой задержкой и высокой производительностью, подходит для приложений реального времени.

Функциональные возможности Speech-02

• Неограниченное клонирование голоса: возможность быстро клонировать голоса в различных стилях и интонациях с ведущим в отрасли качеством.

• Управление голосом: пользователи могут легко управлять эмоциями, громкостью, скоростью и форматом вывода голоса.

• Микширование голосов: возможность комбинировать существующие голоса для создания совершенно новых уникальных голосов.

• Поддержка аудиоформатов: поддерживаются FLAC, WAV, MP3 и PCM, а также другие аудиоформаты.

Сценарии применения Speech-02

• Создание аудиокниг: подходит для преобразования романов, научных работ и других материалов в высококачественный аудиоконтент.

• Создание подкастов: помогает подкастерам создавать более привлекательный и разнообразный контент.

• Озвучивание фильмов и игр: обеспечивает кинематографическое качество низких частот и захватывающее иммерсивное звучание.

• Международные конференции и перевод: поддерживает мгновенное бесшовное переключение между множеством языков.

В настоящее время модель Speech-02 уже запущена на платформе MiniMax Audio и API-платформе, однако версия для материкового Китая пока не выпущена.

Официальные ссылки

Платформа MiniMax Audio:https://www.minimax.io/audio

API-платформа MiniMax Audio:https://www.minimax.io/platform