用途：本技能面向生成式语音生产，包括旁白、本地化配音、广告语、有声书片段、合成对白、产品演示、语音智能体回复及经授权的声音克隆。不用于 MiniMax 视频、音乐、图像生成或一般 LLM 调用。资料基于 2026-07-10 官方文档、发布说明、定价与政策页面核实；模型 ID、价格、速率限制、保留窗口与声音列表均可能变化，付费或受监管生产前需复查。
主要能力：同步 HTTP 文本转音频 POST https://api.minimax.io/v1/t2a_v2；WebSocket 同步 wss://api.minimax.io/ws/v1/t2a_v2；异步长文本音频 POST /v1/t2a_async_v2；系统音、克隆音与文本设计音，经 Voice Management 查询；快速声音克隆 POST /v1/voice_clone；声音设计 POST /v1/voice_design；TTS 生成字幕时间戳（句子、词、word_streaming）；克隆中可选 text_validation 基于 ASR 校验。官方文档索引未将独立语音识别、语音到语音配音、保留时序的音色转换、独立低延迟轮次 API 列为独立生产 API。
模型选择：speech-2.8-hd 适合最终旁白、广告、有声书、品牌片、表现力对白与声音标签；speech-2.8-turbo 适合交互语音、审听草稿、批量本地化、成本敏感与低延迟 WebSocket。2.6 与 02 系列为旧版兼容用途。2.8 与 2.6 支持 40 种语言与 7 种情绪，Speech-02 为 24 种语言与 7 种情绪。2.8 文档支持感叹词与自然声音标签。
端点选择：HTTP 适合可预生成且文本低于同步上限；WebSocket 适合边生成边播放，或脚本超 3000 字符但仍低于同步 10000 字符上限；异步适合长篇、章节、多文件或接近 50000 字符异步上限。HTTP 非流式可返回 hex 音频或 URL，URL 文档有效 24 小时；异步任务返回 task_id、task_token、file_id 与 usage_characters，下载 URL 生成后 9 小时有效，过期数据丢失。WebSocket 在收到最后结果后 120 秒无新事件会自动关闭。
核心控制：voice_setting 中 voice_id、speed（0.5–2）、vol（(0,10]）、pitch（-12 到 12）、emotion（happy、sad、angry、fearful、disgusted、surprised、calm、fluent、whisper 等，fluent/whisper 仅 2.6，whisper 2.8 不支持）；文本归一化字段名在不同规格中为 text_normalization 或 english_normalization，需按端点核实；language_boost；pronunciation_dict.tone 与内联 IPA/拼音/粤拼；暂停标记 <#x#>（0.01–99.99 秒，不可连续）；audio_setting 的 sample_rate、bitrate、format、channel；subtitle_enable 与 subtitle_type；voice_modify 及其可选效果。
声音克隆与设计：克隆源须为 mp3、m4a 或 wav，10 秒至 5 分钟，不超过 20 MB，先上传 purpose=voice_clone，再调用 /v1/voice_clone；自定义 voice_id 为 8–256 字符，以英文字母开头，仅含字母、数字、-、_，不以 - 或 _ 结尾且不可重复；7 天内未使用会被删除。声音设计 /v1/voice_design 需 prompt 与 preview_text（上限 500 字符），返回 voice_id 与 trial_audio。克隆与设计须获得明确授权并留存同意记录；不得由公开音频推断同意。
定价与限制：截至 2026-07-10，speech-2.8-turbo 与 speech-2.6-turbo、speech-02-turbo 为 $60/1M 字符；speech-2.8-hd 与 speech-2.6-hd、speech-02-hd 为 $100/1M 字符；快速克隆 $1.5/声音；声音设计 $3/声音。T2A 与克隆为 60 RPM，声音设计为 20 RPM，实际以账户套餐为准。建议按字符预估成本并预留重录预算。
限制与注意：不要堆叠过多控制，优先改写脚本；规范、法律与本地化文案需在 TTS 前本地化；生成音频与 voice_id 应作为资产归档，立即解码 hex 音频，避免依赖临时 URL；克隆音须记录删除计划与使用日志。官方未提供的功能（如独立转录、完整配音、音色转换）应结合其他已记录 ASR/对齐/配音方案或明确说明不支持。