MiniMax veröffentlicht Speech 2.8 mit Sound-Tags und Stimmenklonen
MiniMax hat Speech 2.8 vorgestellt, ein synthetisches Sprachmodell mit nativen Sound-Tags, 10-Sekunden-Stimmenklonung, klarerem Audio und sprachübergreifenden Updates.
Kurze Antwort
Was hat MiniMax mit Speech 2.8 angekündigt?
MiniMax stellte Speech 2.8 vor, ein synthetisches Sprachmodell mit nativen Sound-Tags für Atmen und Zögern, Stimmklonung aus einer 10-Sekunden-Probe und einer Verarbeitung, die Rauschen und Verzerrungen reduzieren soll. Das Unternehmen gibt außerdem an, die sprachübergreifende Sprachverarbeitung für Mandarin und Japanisch verbessert und das Modell über seine Plattform und sein Audio-Produkt verfügbar gemacht zu haben.
Das Wichtigste
- MiniMax stellte Speech 2.8 am 23. Januar 2026 vor.
- Das Modell unterstützt native Sound-Tags für Fülllaute, Atemgeräusche, Lachen und andere stimmliche Details.
- MiniMax sagt, dass Speech 2.8 eine Stimme aus einer 10-sekündigen Audioprobe klonen kann.
- Das Unternehmen gibt an, die Audioverarbeitung überarbeitet zu haben, um Hintergrundgeräusche und synthetische Verzerrungen zu reduzieren.
- Sprachübergreifende Verbesserungen betreffen zunächst das Sprachpaar Mandarin-Japanisch.
Was MiniMax angekündigt hat
MiniMax hat Speech 2.8 vorgestellt, ein Modell für synthetische Sprache, das laut dem Unternehmen native Klang-Tags, originalgetreueres Stimmenklonen, eine überarbeitete Audioverarbeitung und eine verbesserte sprachübergreifende Leistung bietet. MiniMax gab bekannt, dass das Modell jetzt verfügbar ist, und verwies Nutzer auf die Dokumentation seiner Open Platform und das Produkt MiniMax Audio.
Das Unternehmen präsentierte die Veröffentlichung als Versuch, generierte Sprache so zu gestalten, dass sie mehr der Pausen, Atemgeräusche und des Zögerns menschlicher Gespräche wiedergibt. Außerdem stellte es Audio-Demonstrationen für Klang-Tags, Stimmenklonen, rauschfreie Ausgabe und sprachübergreifende Spracherzeugung bereit.
Native Klang-Tags
Speech 2.8 führt native Unterstützung für Klang-Tags ein, die umgangssprachliche und nonverbale Elemente wiedergeben sollen. Laut MiniMax kann das Modell Fülllaute wie „ähm“, „äh“ und „ah“ verarbeiten und dabei Rhythmus, Tonhöhe und Pausen bewahren.
Der Demonstrationstext verwendet außerdem Tags für ein Kichern, Atmen, Räuspern und Lachen. Laut MiniMax sollen diese Steuerelemente generierter Sprache Zögern, Betonung und weitere Gesprächsdetails hinzufügen.
Stimmenklonen anhand einer kurzen Aufnahme
MiniMax gibt an, den Merkmalsextraktionsprozess von Speech 2.8 für das Stimmenklonen optimiert zu haben. Laut dem Unternehmen kann das Modell anhand einer 10-sekündigen Aufnahme Merkmale wie Stimmtextur, Atemanteil und Sprechtempo erfassen.
Die Ankündigung enthält eine englische Demonstration, in der das Originalaudio mit einem geklonten Ergebnis verglichen wird. MiniMax beschreibt das Beispiel anhand seiner dialogähnlichen Vortragsweise, der wechselnden Sprachmelodie und einer warmen Stimmqualität im mittleren Frequenzbereich.
Änderungen an der Audioverarbeitung
MiniMax gibt an, die Verarbeitungs-Engine des Modells neu entwickelt zu haben, um Hintergrundgeräusche und synthetische Verzerrungen zu reduzieren. Das Unternehmen beschreibt die angestrebte Ausgabe als klares Audio, das einer professionellen Studioaufnahme ähnelt.
Eine separate Demonstration begleitet diesen Teil der Ankündigung. Die Beispielerzählung enthält ruhige, beschreibende Prosa über einen Wald, Wind und die Morgendämmerung und liefert damit ein Beispiel für die Ausgabe des Modells ohne Hintergrundgeräusche.
Sprachübergreifende Aktualisierungen
Speech 2.8 umfasst außerdem Änderungen an der sprachübergreifenden Generierung. MiniMax gibt an, das Problem des „Accent Bleed“ behoben zu haben, das das Unternehmen als unnatürliche Tonlagen und Ausspracheveränderungen beschreibt, die bei der sprachübergreifenden Spracherzeugung auftreten können.
Als erstes Sprachpaar werden Mandarin und Japanisch genannt. Laut MiniMax soll die Aktualisierung dafür sorgen, dass Stimmen in diesen Sprachen wie Muttersprachler klingen. Das Unternehmen gibt außerdem an, diese Arbeit auf weitere Sprachen ausweiten zu wollen, nennt diese jedoch nicht und gibt keinen Veröffentlichungszeitplan an.
Verfügbarkeit
Laut MiniMax ist Speech 2.8 jetzt verfügbar. Die Ankündigung nennt als Zugangsmöglichkeiten die Modelldokumentation der MiniMax Open Platform und das Produkt MiniMax Audio.
Quelle: MiniMax-Ankündigung „MiniMax Speech 2.8: KI-Stimmen Leben einhauchen“, veröffentlicht am 23. Januar 2026.
Häufige Fragen
- Was ist MiniMax Speech 2.8?
- MiniMax beschreibt Speech 2.8 als sein neues synthetisches Sprachmodell. Es umfasst native Sound-Tags, Voice-Cloning, überarbeitete Audioverarbeitung und sprachübergreifende Verbesserungen.
- Wie viel Audiomaterial benötigt Speech 2.8 für das Klonen einer Stimme?
- MiniMax gibt an, dass das Modell eine Stimme aus einer 10-sekündigen Probe klonen kann und dabei Eigenschaften wie Textur, Atemhauch und Sprechtempo erfasst.
- Welche Sprachen erhielten sprachübergreifende Verbesserungen?
- MiniMax gibt an, dass das erste sprachübergreifende Update sein Mandarin-Japanisch-Paar betrifft, mit Änderungen, die unnatürliche Tonlagen und Aussprachverschiebungen reduzieren sollen.
- Wo ist Speech 2.8 verfügbar?
- MiniMax gibt bekannt, dass Speech 2.8 live ist, und verweist Nutzer auf die MiniMax Open Platform und MiniMax Audio.