MiniMax Speech 2.8 HD
每 1,000 个字符 $0.112 起
MiniMax 的高清 TTS,带有富有表现力的声音标签和声音选择。写好脚本,可选择一个声音 ID,Craze 就会为你配旁白。
当你点名要求时,Craze 会运行 MiniMax Speech 2.8 HD。
MiniMax Speech 2.8 HD擅长什么
选择现有的声音
这个功能不接受音频参考输入。
用于表演的声音标签
在脚本中加入 (laughs)、(whispers)、(angry) 或 (breathes) 等标签。
录音棚级别的自然度
该模型优先追求听起来像真人。
支持 32 种语言和语码转换
在脚本中途切换语言,无需重新生成。
导演。创作。剪辑。
别再写提示词,开始当导演。
Craze 与你一起碰撞创意、做调研、做规划。
创作有品位的内容。
Craze 能生成你能想象的一切。视频、音频、音乐、动态图形等等。
几分钟剪好视频,而不是几天。
Craze 会看完你的素材并剪出成片。如有需要,还有真正的编辑器。
制作人们愿意看的视频
- UGC 视频
- 动态图形
- 故事长片
- 产品可视化
- 微短剧
- 3D 影片
- 音乐视频
- 品牌影片
- 婚礼精彩集锦
- YouTube 测评
MiniMax Speech 2.8 HD与其他模型对比
这里的每个模型都可在所有 Craze 套餐(包括 Free)中使用,而且 Craze 可以为每个镜头使用不同的模型。
| MiniMax Speech 2.8 HDMiniMax | ElevenLabs v4ElevenLabs | Gemini 3.8 Flash TTSGoogle DeepMind | Gemini 3.8 Flash Lite TTSGoogle DeepMind | |
|---|---|---|---|---|
| 生成 | 文字生音频 | 文字生音频 | 文字生音频 | 文字生音频 |
| 起价 | 每 1,000 个字符 $0.112 | 每 1,000 个字符 $0.089 | 每 1,000 个字符 $0.050 | 每 1,000 个字符 $0.034 |
Craze 上的 MiniMax Speech 2.8 HD规格
| 任务 | 输入 | 分辨率 | 画面比例 | 声音 |
|---|---|---|---|---|
| 文字转语音 | 文字提示词 | 跟随源素材 | 跟随输入 | 无 |
常见问题
MiniMax Speech 2.8 HD 是一个高清文字转语音模型,把声音选择与富有表现力的声音标签结合在一起。它把旁白当作一场表演,而不是机械的朗读。
创作者选择 MiniMax Speech 2.8 HD 的理由
Speech 2.8 HD 把自然度、情感表达和声音标签结合在一起,无需单独的轨道,就能提供录音棚级别的旁白。能够在文中直接加入笑声、叹息和其他非语音的声音,让它在角色作品和以叙事为主的项目中脱颖而出。
选择现有的声音
这个功能不接受音频参考输入。每次生成选择一个声音 ID;如有需要,用不同的声音分别生成不同角色的台词。
用于表演的声音标签
在脚本中加入 (laughs)、(whispers)、(angry) 或 (breathes) 等标签。模型会把这些声音作为旁白的一部分生成,而不是生成需要你拼接的单独音轨。角色可以先笑,再说话(两者都来自一次生成)。
录音棚级别的自然度
该模型优先追求听起来像真人。语调、呼吸和节奏都显得自然有意,而不是合成出来的。这对角色作品很重要,因为平淡的声音会打破沉浸感。
支持 32 种语言和语码转换
在脚本中途切换语言,无需重新生成。一句英语,一个法语单词,再回到英语。声音会适应每种语言,并在切换前后保持一致。
如何在 Craze 中使用 MiniMax Speech 2.8 HD
- 写好你的脚本。通过
(warmly)或(shocked)等声音标签加入声音指导,并加入(door slams)等非语音的声音。 - 选择一个现有的声音 ID,或使用可用的预设声音。
- 在聊天中指明 MiniMax Speech 2.8 HD,或在“模型”面板中选择它。
- Craze 一次生成带有声音效果和情感的完整旁白,并把它放进你的项目。
- 修剪、调整时间,或重新生成需要换个演绎方式的台词。
MiniMax Speech 2.8 HD 价格
价格从每 1,000 个字符 $0.112 起,并随脚本长度变化。这个功能不会因声音选择、声音标签或语言而单独计价。使用计算器估算费用。
MiniMax Speech 2.8 HD 适合谁
角色配音和对白
游戏、动画和短片往往需要多个不同的声音。为每个角色的生成选择一个声音,再在你的项目中把台词组合起来。
带氛围的富有表现力的旁白
教程视频、有声书和品牌内容都能从笑声、惊呼和情感语调中受益。MiniMax 让你写下 (laughs nervously),然后让这个声音自然地出现在旁白中。
多语言脚本和全球品牌
如果你的脚本跨越多种语言,MiniMax 能一次处理语码转换。一个全球品牌的旁白可以用英语、西班牙语和普通话讲述文案,无需三次单独的生成。
MiniMax Speech 2.8 HD 与其他模型对比
ByteDance 的 Seed Speech 侧重于高性价比的旁白,可选择声音。MiniMax Speech 2.8 HD 在一次生成中提供集成的声音标签和 32 种语言支持。
如需可通过提示词调控、富有表现力的英语旁白,Gemini 3.1 Flash TTS 通过行内标签为你提供导演式的控制。Seed Audio 1.0 接受用于语音的音频或图片参考素材。如需覆盖 16 种语言、带情绪标签的旁白,Qwen Audio 3.0 TTS 是另一个选择。
声音标签和表现力指南
MiniMax Speech 2.8 HD 支持 (angry)、(happy)、(sad)、(surprised) 和 (nervous) 等情绪标签,以及 (laughs)、(sighs)、(whispers)、(coughs) 和 (breaths) 等非语音声音。你可以叠加标签来表达细微差别:写下“我简直不敢相信”,并标记为 (shocked, breathless),就能得到更具体的情感演绎。模型会在同一次生成中让各个标签保持一致,所以一个前面听起来很生气的角色,后面惊讶时听起来仍是同一个人,而不是完全不同的声音。
在 Craze 上,每次带声音标签的生成需要 5 到 20 秒,具体取决于脚本长度。如果你的脚本很长,并且有很多声音标签,可以把它拆分成几个部分,以便更快地迭代。在进行完整长度的生成之前,先测试一小段,把语气调到位。MiniMax 包含预设的情感配置,你可以把它应用到整个声音上,在加入行内标签之前先改变基础情绪。
声音克隆工作流程
这个功能不接受声音样本。要使用现有的声音,请提供它的声音 ID;用录音创建声音需要单独的声音档案工作流程。在多角色场景中,分别生成每个声音。
用同一个所选声音重新生成同一份脚本,可能会得到不同的演绎;请检查每个结果的表达和一致性。
多语言声音标签
当你用 MiniMax 在脚本中途切换语言时,声音标签会适应语言环境。英语中的 (laughs) 标签听起来与西班牙语或普通话中的一样,但声音特定于语言的口音和节奏会自动变化。这对全球品牌作品很有价值,因为你希望在各个市场使用同一个声音,但又需要本地化的旁白。
在 Craze 上的限制
在 Craze 上,MiniMax Speech 2.8 HD 每次请求最多接受 4,000 个字符的文本。对于更长的脚本,请拆分文本,再在时间线上组合结果。模型会根据标点推断节奏和重音,所以可以用逗号和句号来控制朗读节奏。
声音克隆不是这个 Craze TTS 功能的输入方式。它接受声音 ID,但不接受参考音频。



















