미니맥스, 음성 모델 'Speech-02' 공개: 최대 20만 자 입력 지원

미니맥스가 차세대 음성 모델 'Speech-02'를 발표했습니다.

20만 자 한 번에 읽는 긴 호흡 오디오

Speech-02의 가장 큰 특징은 단일 입력으로 최대 20만 자를 처리할 수 있다는 점입니다. 파일이나 웹 URL을 그대로 입력해 오디오북이나 팟캐스트 형태로 즉시 변환할 수 있습니다.

또한 30개 이상의 언어를 지원하며, 1초 미만의 스트리밍 지연 속도와 무제한 음성 복제 기능을 제공합니다.

왜 중요한가

기존 텍스트 음성 변환(TTS) 작업에서 장문의 오디오북을 만들려면 텍스트를 수없이 쪼개어 생성한 뒤 다시 이어 붙여야 했습니다.

20만 자를 한 번에 처리할 수 있게 되면서 콘텐츠 제작자의 작업 공정이 대폭 단순화될 것으로 보입니다. 이제 TTS 경쟁은 단순한 음질 구현을 넘어 긴 호흡의 컨텍스트 처리와 초저지연 성능으로 확장되고 있습니다. 다만 무제한 음성 복제에 따른 오남용 방지 대책이 얼마나 실효성을 가질지가 향후 관건입니다.