当AI语音不仅能“像人说话”，还能“像你说话”，且快到几乎无感，语音交互的边界正在被彻底重构。 10 月 30 日凌晨，MiniMax稀宇科技正式发布其新一代语音合成模型——MiniMax Speech 2.6，以端到端延迟低于 250 毫秒的实时性能与革命性的Fluent LoRA音色复刻技术，将语音生成推向高自然度、低延迟、强个性化的全新阶段。

250 毫秒以内：逼近人类对话的实时响应

在语音交互场景中，延迟是体验的生命线。Speech 2. 6 通过底层架构优化，实现从文本输入到音频输出全程低于 250 毫秒，接近人类自然对话的响应节奏。这意味着在智能客服、实时字幕、虚拟主播等高要求场景中，AI语音不再“慢半拍”，真正实现流畅对答与沉浸式交互。

Fluent LoRA： 30 秒音频即可克隆专属音色

本次最大突破在于Fluent LoRA（Low-Rank Adaptation）技术的深度集成。用户仅需提供 30 秒以上的参考音频，模型即可精准捕捉说话人的音色、语调、节奏甚至情感风格，并生成与目标文本高度匹配的自然语音。无论是复刻自己的声音讲述睡前故事，还是为品牌定制专属虚拟代言人，音色克隆从未如此简单、高效且逼真。

更关键的是，Fluent LoRA在保证音色一致性的前提下，显著提升语音流畅度，避免传统TTS常见的“机械断句”或“情感错位”问题，让合成语音真正具备“表达力”。

全场景覆盖：从个人创作到企业级部署

MiniMax Speech 2. 6 同时面向个人创作者与企业客户开放：

  • 教育领域：教师可快速生成带讲解的课件音频；
  • 客户服务：企业能部署具备品牌音色的智能语音机器人；
  • 智能硬件：车载、家居设备可实现低延迟、高拟真语音交互；
  • 内容生产：UP主、播客主一键生成多角色配音，大幅提升创作效率。

作为MiniMax多模态大模型生态的关键一环，Speech 2. 6 不仅强化了其在AIGC领域的技术纵深，更标志着语音合成正从“功能可用”迈向“情感可信、个性可定制”的新纪元。

在AI竞争日益聚焦“体验细节”的今天，MiniMax用 250 毫秒的延迟与一句“像你一样说话”的能力，证明了：真正的智能，不仅在于算得快，更在于说得像人、说得动人。