MiniMax lança Speech 2.6 com latência abaixo de 250ms e clonagem de voz em 40+ idiomas

A MiniMax lançou o Speech 2.6, modelo de agente de voz com latência abaixo de 250 milissegundos, posicionando a geração de áudio como não mais um gargalo em sistemas conversacionais de IA em tempo real.

O modelo suporta clonagem de voz em 40+ idiomas com a tecnologia 'Fluent LoRA', que replica o timbre mesmo a partir de gravações imperfeitas com sotaques ou disfluências. O Speech 2.6 processa diretamente formatos de texto não padrão como URLs, e-mails e números de telefone sem pré-processamento. A tecnologia da MiniMax é usada pelo LiveKit, que alimenta o modo de voz do ChatGPT.