MiniMax 把语音模型更到 2.6 了。做配音、做有声内容的应该会关注这个，语音合成这块这两年进步肉眼可见，从早期一听就是机器的腔调，到现在情感、停顿都能带出来不少。MiniMax 在语音这条线上一直有投入，2.6 应该是又往自然度和表现力上推了一步。
我剪短视频经常要口播配音，请人录成本高又慢，好用的 TTS 能省一大截事。就是不同模型的音色库、多语言支持、还有长文本的稳定性差别挺大的，得实际拿稿子跑一遍才知道趁不趁手。有做播客或者有声书的进来聊聊 2.6 的音色怎么样。
音色库够不够多是关键，翻来覆去几个音听腻了
长文本会不会读着读着串气，这个最影响体验
mark，回头拿口播稿试试
长文本读着读着串气最毁体验，短句还行一长就露馅
长文本读着读着串气最影响体验，跑调了全白搭