其他

MiniMax发布新一代语音模型Speech 2.6

原文标题:MiniMax Speech 2.6Audio Model

AI 摘要

MiniMax发布语音模型Speech 2.6,端到端延迟降至250毫秒内,支持实时对话。新增多语言特殊格式解析能力,可自动朗读URL、邮箱、电话、日期及金额,无需预处理。推出Fluent LoRA功能,即使源录音带口音也能保留音色并生成流畅语音,支持40余种语言。已被LiveKit、Vapi等平台及智能硬件采用。

关键信息

  • MiniMax发布语音模型Speech 2.
  • 6,端到端延迟降至250毫秒内,支持实时对话。
  • 新增多语言特殊格式解析能力,可自动朗读URL、邮箱、电话、日期及金额,无需预处理。
  • 推出Fluent LoRA功能,即使源录音带口音也能保留音色并生成流畅语音,支持40余种语言。
  • 已被LiveKit、Vapi等平台及智能硬件采用

速览

发布时间
更新时间
来源
MiniMax:Blog(网页)
分类
其他
阅读原文 前往信息源阅读完整正文
推荐理由

MiniMax发布Speech 2.6语音模型,支持Voice Agent场景,实现超低延迟与Fluent LoRA语音克隆优化。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:MiniMax发布新一代语音模型Speech 2.6。2025年10月30日。https://new.nat6.net/news/cmnw1zatl027bslc3y6bgjvnw/

查看全部 →
  • 大语言模型中涌现的自省意识

    研究通过“概念注入”技术直接操控模型内部激活状态,以检验大语言模型是否具备真正的内省能力。实验发现,在某些情境下,模型能够察觉并识别被注入的概念,区分自身内部表征与原始文本输入,甚至能利用对先前意图的回忆来辨别自身输出与人工预设内容。其中…

    Anthropic:Transformer Circuits(可解释性研究)其他AI 评分 83

  • 金融服务领域构建 AI 代理指南

    Claude 发布金融服务 AI 代理构建指南,分享 NBIM、Brex 等机构实践。NBIM 员工每周节省数百小时,McKinsey 研究显示欺诈检测生产力可提升 200% 至 2000%。AI 代理能自主整合多源数据、执行跨系统操作,…

    Claude:Blog(网页)其他

  • MiniMax 发布 Hailuo 2.3 / 2.3 Fast 视频模型

    MiniMax 推出 Hailuo 2.3 视频生成模型,在物理动作流畅度、艺术风格化(支持动漫、水墨、游戏 CG)及角色微表情方面显著提升,维持 Hailuo 02 原价,Fast 版本批量创作成本降低 50%。Hailuo Video…

    MiniMax:Blog(网页)其他

  • Aligning to What? Rethinking Agent Generalization in MiniMax M2

    MiniMax 在 Hugging Face 发布博客,探讨其 M2 智能体模型的泛化能力。文章核心在于重新思考智能体应“对齐”到什么标准或目标,以提升其在未见任务和环境中的通用性能。这涉及对模型训练范式和评估指标的反思,旨在突破当前智能…

    Hugging Face 社区博客(混合发现)其他AI 评分 83

  • MedGemma:健康 AI 开发领域最强的开源多模态模型

    谷歌 MedGemma 系列新增多模态模型,专为健康 AI 开发设计。作为该系列迄今最强的开源版本,新模型具备更强大的医疗场景理解能力,为开发者提供先进的医疗人工智能技术支持,助力构建更精准的健康医疗解决方案。

    Google DeepMind:Blog(RSS)其他