MiniMax: Speech 2.8 Turbo

MiniMax: Speech 2.8 Turboは、MiniMaxのテキスト読み上げモデルです。speechカテゴリに属し、書かれたテキストを音声に変換する必要があるアプリケーション向けに作られています。MiniMaxがこのモデルのプロバイダーであり、api14上のモデルIDはminimax/speech-2.8-turboです。

このモデルはテキストのみを入力として受け取り、音声のみを出力として生成します。任意のMiniMaxボイスIDを受け付け、幅広い話し方のスタイルをカバーする英語ボイスのセットも利用できます。これには、English_expressive_narratorやEnglish_CaptivatingStorytellerといったナレーターやストーリーテラーのボイス、English_AnimeCharacterやEnglish_Comedianといったキャラクタースタイルのボイス、そしてEnglish_CalmWoman、English_Whispering_girl、English_MatureBoss、English_SadTeen、English_AssertiveQueenのようなトーン特化の多数のオプションが含まれます。このモデルにはコンテキスト長の記載がなく、サポートされるリクエストパラメータも記載されていないため、汎用テキストモデルではなく、単一目的に特化したエンドポイントとして扱ってください。

出力はテキストから生成された音声であるため、実用的な用途はそこから直接導かれます。記事、ストーリー、ドキュメントのナレーションを付けたり、合ったボイスを選ぶことで製品やアシスタントに一貫した話し声のペルソナを与えたり、English_AnimeCharacterやEnglish_PassionateWarriorのようなボイスでゲームやアニメーション向けのキャラクターのセリフを生成したり、トレーニング、オンボーディング、サポートコンテンツ向けに落ち着いた、安心させる、または権威ある読み上げを生成したりできます。ボイスリストの広さにより、ボイスID以外は何も変えずに、同じテキストを大きく異なる語調でレンダリングできます。

このモデルは、モデルID minimax/speech-2.8-turboを使用してapi14のOpenAI互換APIを通じて呼び出します。インターフェースがOpenAI互換であるため、既存のOpenAIクライアントライブラリをapi14のベースURLに向け、通常の形式でリクエストを送信できます。modelフィールドにモデルIDを、inputにテキストを指定します。レスポンスには生成された音声が含まれます。このモデルにはサポートされるパラメータが記載されていないため、リクエストはシンプルに保ち、追加の調整オプションが存在すると仮定するのではなく、モデルIDとボイス選択に頼ってください。

留意すべき点の1つは範囲です。このモデルはテキストのみを受け付け、音声のみを返すため、文字起こし、翻訳、推論、またはテキストの回答を返す必要があるあらゆるタスクには適していません。音声を読み取るモデルや書かれた出力を返すモデルが必要な場合は、api14上の別のモデルの方が適しています。その領域内では、成果物が話された音声である場合に選ぶべき選択肢がSpeech 2.8 Turboです。