當AI語音不僅能“像人說話”，還能“像你說話”，且快到幾乎無感，語音交互的邊界正在被徹底重構。 10 月 30 日凌晨，MiniMax稀宇科技正式發佈其新一代語音合成模型——MiniMax Speech 2.6，以端到端延遲低於 250 毫秒的實時性能與革命性的Fluent LoRA音色復刻技術，將語音生成推向高自然度、低延遲、強個性化的全新階段。

250 毫秒以內：逼近人類對話的實時響應

在語音交互場景中，延遲是體驗的生命線。Speech 2. 6 通過底層架構優化，實現從文本輸入到音頻輸出全程低於 250 毫秒，接近人類自然對話的響應節奏。這意味着在智能客服、實時字幕、虛擬主播等高要求場景中，AI語音不再“慢半拍”，真正實現流暢對答與沉浸式交互。

Fluent LoRA： 30 秒音頻即可克隆專屬音色

本次最大突破在於Fluent LoRA（Low-Rank Adaptation）技術的深度集成。用戶僅需提供 30 秒以上的參考音頻，模型即可精準捕捉說話人的音色、語調、節奏甚至情感風格，並生成與目標文本高度匹配的自然語音。無論是復刻自己的聲音講述睡前故事，還是爲品牌定製專屬虛擬代言人，音色克隆從未如此簡單、高效且逼真。

更關鍵的是，Fluent LoRA在保證音色一致性的前提下，顯著提升語音流暢度，避免傳統TTS常見的“機械斷句”或“情感錯位”問題，讓合成語音真正具備“表達力”。

全場景覆蓋：從個人創作到企業級部署

MiniMax Speech 2. 6 同時面向個人創作者與企業客戶開放：

  • 教育領域：教師可快速生成帶講解的課件音頻；
  • 客戶服務：企業能部署具備品牌音色的智能語音機器人；
  • 智能硬件：車載、家居設備可實現低延遲、高擬真語音交互；
  • 內容生產：UP主、播客主一鍵生成多角色配音，大幅提升創作效率。

作爲MiniMax多模態大模型生態的關鍵一環，Speech 2. 6 不僅強化了其在AIGC領域的技術縱深，更標誌着語音合成正從“功能可用”邁向“情感可信、個性可定製”的新紀元。

在AI競爭日益聚焦“體驗細節”的今天，MiniMax用 250 毫秒的延遲與一句“像你一樣說話”的能力，證明了：真正的智能，不僅在於算得快，更在於說得像人、說得動人。