MiniMax

MiniMax 是国内较早投入通用大模型研发的公司之一，开放平台提供文本、语音、视频等多模态能力的 API。其中语音合成方向的能力在国内平台中辨识度较高，支持较丰富的音色与情感表达。

核心能力

• 文本对话模型，支持长上下文
• 语音合成（TTS），提供多音色与情感、语速等参数控制
• 语音识别与语音克隆方向的能力
• 图像与视频生成
• 向量嵌入与函数调用

典型场景

在互动娱乐、虚拟角色、有声内容制作、教育产品中应用较多。需要把文本内容批量转成自然语音的场景（有声书、播客、课程配音、智能硬件语音播报）是它较有优势的方向；文本模型则常被用于对话式产品与内容生成。

接入方式

注册后在控制台创建 API Key 调用，文本接口提供 OpenAI 兼容形态。语音与视频生成属于独立接口，其中视频生成等耗时任务通常采用异步模式：提交任务后轮询或通过回调获取结果，接入时需要在业务侧设计好任务状态管理。

注意事项

个人开发者可直接注册。语音克隆类能力涉及声音权利与合规风险，用于生产前务必确认素材授权情况以及平台的使用条款。多模态能力的计费单位各不相同（按 token、按字符、按时长或按次），做成本模型时需要分别核算。