MiniMax เปิดตัว Speech 2.8 พร้อมแท็กเสียงและการโคลนเสียง

สิ่งที่ MiniMax ประกาศ

MiniMax เปิดตัว Speech 2.8 ซึ่งเป็นโมเดลสังเคราะห์เสียงพูดที่บริษัทระบุว่าเพิ่มแท็กเสียงแบบเนทีฟ การโคลนเสียงที่มีความเที่ยงตรงสูงขึ้น การประมวลผลเสียงที่ปรับปรุงใหม่ และประสิทธิภาพข้ามภาษาที่ดีขึ้น MiniMax ประกาศว่าโมเดลนี้เปิดให้ใช้งานแล้ว และแนะนำผู้ใช้ไปยังเอกสาร Open Platform และผลิตภัณฑ์ MiniMax Audio

บริษัทนำเสนอการเปิดตัวครั้งนี้ว่าเป็นความพยายามทำให้เสียงพูดที่สร้างขึ้นถ่ายทอดช่วงหยุดหายใจ เสียงลมหายใจ และอาการลังเลที่พบในการสนทนาของมนุษย์ได้มากขึ้น นอกจากนี้ บริษัทยังจัดเตรียมตัวอย่างเสียงสำหรับแท็กเสียง การโคลนเสียง เอาต์พุตที่ปราศจากเสียงรบกวน และเสียงพูดข้ามภาษา

แท็กเสียงแบบเนทีฟ

Speech 2.8 เพิ่มการรองรับแท็กเสียงแบบเนทีฟ ซึ่งมีจุดประสงค์เพื่อถ่ายทอดองค์ประกอบแบบภาษาพูดและองค์ประกอบที่ไม่ใช่คำพูด MiniMax ระบุว่าโมเดลสามารถจัดการกับคำอุทานแทรก เช่น “อืม” “เอ่อ” และ “อ่า” พร้อมทั้งคงจังหวะ ระดับเสียง และช่วงหยุดไว้ได้

ข้อความสาธิตยังใช้แท็กสำหรับเสียงหัวเราะเบา ๆ การหายใจ การกระแอม และเสียงหัวเราะด้วย ตามข้อมูลของ MiniMax การควบคุมเหล่านี้ได้รับการออกแบบมาเพื่อเพิ่มอาการลังเล การเน้นเสียง และรายละเอียดอื่น ๆ ของการสนทนาให้แก่เสียงพูดที่สร้างขึ้น

การโคลนเสียงจากตัวอย่างสั้น ๆ

MiniMax ระบุว่าได้ปรับกระบวนการสกัดคุณลักษณะของ Speech 2.8 ให้เหมาะสมสำหรับการโคลนเสียง บริษัทระบุว่าโมเดลสามารถใช้เสียงบันทึกความยาว 10 วินาทีเพื่อจับลักษณะต่าง ๆ รวมถึงเนื้อเสียง เสียงลมหายใจที่ปนอยู่ และจังหวะการพูด

ประกาศดังกล่าวมีตัวอย่างภาษาอังกฤษที่เปรียบเทียบเสียงต้นฉบับกับผลลัพธ์จากการโคลน MiniMax อธิบายตัวอย่างนี้ในแง่ของลีลาการสนทนา จังหวะที่เปลี่ยนแปลง และคุณภาพเสียงย่านกลางที่อบอุ่น

การเปลี่ยนแปลงด้านการประมวลผลเสียง

MiniMax ระบุว่าได้ปรับวิศวกรรมกลไกการประมวลผลของโมเดลใหม่เพื่อลดเสียงรบกวนพื้นหลังและความผิดเพี้ยนจากการสังเคราะห์ บริษัทอธิบายเอาต์พุตที่ตั้งเป้าไว้ว่าจะเป็นเสียงที่คมชัดคล้ายกับการบันทึกในสตูดิโอระดับมืออาชีพ

มีตัวอย่างสาธิตอีกชุดประกอบส่วนนี้ของประกาศ บทบรรยายตัวอย่างเป็นร้อยแก้วเชิงพรรณนาอันเงียบสงบเกี่ยวกับป่า สายลม และรุ่งอรุณ ซึ่งแสดงตัวอย่างเอาต์พุตของโมเดลที่ปราศจากเสียงรบกวนพื้นหลัง

การอัปเดตด้านการทำงานข้ามภาษา

Speech 2.8 ยังมีการเปลี่ยนแปลงด้านการสร้างเสียงข้ามภาษาด้วย MiniMax ระบุว่าได้แก้ไขปัญหา “สำเนียงแทรกแซง” ซึ่งบริษัทอธิบายว่าเป็นน้ำเสียงที่ไม่เป็นธรรมชาติและการเปลี่ยนแปลงด้านการออกเสียงที่อาจเกิดขึ้นเมื่อสร้างเสียงพูดข้ามภาษา

คู่ภาษาแรกที่ระบุคือภาษาจีนกลางและภาษาญี่ปุ่น MiniMax ระบุว่าการอัปเดตนี้มีจุดประสงค์เพื่อทำให้เสียงในภาษาเหล่านั้นฟังเหมือนเจ้าของภาษา บริษัทยังระบุว่ามีแผนจะขยายการพัฒนานี้ไปยังภาษาเพิ่มเติม แต่ไม่ได้ระบุว่ามีภาษาใดบ้างหรือให้กำหนดการเผยแพร่

การเปิดให้ใช้งาน

MiniMax ระบุว่า Speech 2.8 เปิดให้ใช้งานแล้วในขณะนี้ ประกาศดังกล่าวระบุช่องทางเข้าถึงผ่านเอกสารประกอบโมเดลของ MiniMax Open Platform และผลิตภัณฑ์ MiniMax Audio

แหล่งที่มา: ประกาศ “MiniMax Speech 2.8: เติมชีวิตให้เสียง AI” ของ MiniMax เผยแพร่เมื่อวันที่ 23 มกราคม 2026