Speech 2.8 Turbo

给数字人与讲解应用提供声音

MiniMax Speech-2.8-Turbo 能根据文稿上下文安排情绪与语调，将准备好的文字转换成音频。它适合数字人介绍、教育讲解、内容播报和社交语音，支持选择音色，并调节情感、语速、音量和音调。通过 HTTP 可获取完整音频，也可以流式接收生成结果。

用短段落组织表达

数字人台词宜围绕一个信息点展开，例如先欢迎用户，再介绍产品，再提出下一步操作。正文只写需要听到的内容，表演参数放在 voice_setting 中。先固定 voice_id，用同一段文本比较不同情感或节奏设置，确认表达清楚后再处理整段演示。

模型生成音频，画面驱动、嘴形同步、播放时机和用户打断由应用负责。实时讲解要关注声音与当前画面是否一致，用户切换页面时及时停止旧台词。长篇内容则按自然段合成，统一音频格式，检查段间停顿和音量。

如果使用复刻声音，先创建并确认可用音色，再用相应 ID 合成新正文。先试听数字、品牌名称和长句，可以在正式制作前发现发音问题；不要仅凭通用试音句判断实际项目效果。

北京地域基准价为 2 元/万计费字符，输出音频不另收费。汉字通常计 2 个字符，SSML 标签不计入，按返回字符数结算。美元基准按 1 美元 = 6.8 元换算，最终费用应用账户分组倍率。复刻音色首次合成时供应商另收 9.9 元一次性解锁费，复刻试听仍按字符收费；当前网关字符计费尚未自动收取这笔解锁费。

数字人介绍一项功能

选择适配音色，正文：“现在可以把常用功能放到首页。点击右上角的编辑按钮，选择你需要的工具，再保存就可以了。”

在 voice_setting 中设置所需语速、音量、音调与情感，先检查操作名称和步骤是否容易听懂。

音频会自动让数字人口型同步吗？

嘴形与画面同步由数字人应用处理，需要将合成音频接入相应播放和驱动流程。

流式音频如何避免叠加？

应用按顺序播放片段，并在新任务开始或用户打断时停止旧音频、清理待播队列。