MiniMax 上线 Speech 2.5：支持 40 种语言的高拟真声音克隆
MiniMax 正式上线新一代语音模型 Speech 2.5。新模型覆盖 40 种语言，主打告别机械音，能够在声音克隆中还原口音、年龄与丰富情绪。对于跨国内容创作者和出海应用开发者来说，多语言配音的门槛又降低了一截。
听惯了 AI 朗读那种四平八稳的机械腔，突然听到带着口音和情绪叹气的声音，你可能很难第一时间分清屏幕对面是不是真人。
MiniMax 在社交平台 X 上宣布上线语音模型 Speech 2.5。这次升级主打更拟真的声音克隆，并且把支持的语言一口气扩充到了 40 种。
40 种语言与情绪细节
按照官方的说法，Speech 2.5 在克隆声音时不再只是单纯还原音色，而是试图完整保留原声里的口音特征、年龄感以及情绪起伏。
不管是说话时轻微的叹气，还是不同地域特有的语调，新模型都能尽量抓取。目前普通用户可以在 MiniMax 官网的音频板块直接试用，开发者也可以通过其开放平台接入对应的 API。
为什么重要
多语言配音一直是内容出海和跨国客服最头疼的环节。以前找本地母语者录音成本高、周期长，而很多语音合成工具一旦换到非英语小语种，往往就会打回原形，变得生硬古怪。
如果 Speech 2.5 真的能在 40 种语言下稳定保留情绪和年龄细节，无论是做短视频本地化、海外播客，还是搭建跨语种的 AI 智能体，门槛都会被大幅拉低。不过我们认为，拟真度越高，声音滥用和仿冒的隐患也就越大，各家平台接下来必须在防伪水印和授权验证上拿出同样硬核的方案。
来源 (1)
- @MiniMax__AI（在新标签页打开）原文x.com