MiniMax 上線 Speech 2.5：支援 40 種語言的高擬真聲音克隆
MiniMax 正式上線新一代語音模型 Speech 2.5。新模型覆蓋 40 種語言，主打告別機械音，能夠在聲音克隆中還原口音、年齡與豐富情緒。對於跨國內容創作者和出海應用開發者來說，多語言配音的門檻又降低了一截。
聽慣了 AI 朗讀那種四平八穩的機械腔，突然聽到帶著口音和情緒嘆氣的聲音，你可能很難第一時間分清螢幕對面是不是真人。
MiniMax 在社交平臺 X 上宣佈上線語音模型 Speech 2.5。這次升級主打更擬真的聲音克隆，並且把支援的語言一口氣擴充到了 40 種。
40 種語言與情緒細節
按照官方的說法，Speech 2.5 在克隆聲音時不再只是單純還原音色，而是試圖完整保留原聲裡的口音特徵、年齡感以及情緒起伏。
不管是說話時輕微的嘆氣，還是不同地域特有的語調，新模型都能儘量抓取。目前普通使用者可以在 MiniMax 官網的音訊板塊直接試用，開發者也可以通過其開放平臺接入對應的 API。
為什麼重要
多語言配音一直是內容出海和跨國客服最頭疼的環節。以前找本地母語者錄音成本高、週期長，而很多語音合成工具一旦換到非英語小語種，往往就會打回原形，變得生硬古怪。
如果 Speech 2.5 真的能在 40 種語言下穩定保留情緒和年齡細節，無論是做短影片本地化、海外播客，還是搭建跨語種的 AI 智慧體，門檻都會被大幅拉低。不過我們認為，擬真度越高，聲音濫用和仿冒的隱患也就越大，各家平臺接下來必須在防偽水印和授權驗證上拿出同樣硬核的方案。
來源 (1)
- @MiniMax__AI（在新分頁開啟）原文x.com