Весело
Весело

MiniMax Audio: озвучка Speech 2.8 HD по API

MiniMax Speech 2.8 HD — старшая модель озвучки MiniMax в поколении 2.8: HD отвечает за качество звучания, младшая Turbo — за скорость. Модель говорит на 40 языках, среди голосов есть восемь русских, а всего их 200. За один запрос — до 4 096 знаков, ответ приходит готовым звуковым файлом.

  • 11,18 ₽ за 1000 знаков
  • до 4 096 знаков
  • текст → звук

minimax/speech-2.8-hd

Обновлено:

Получить ключ Попробовать Документация

Попробовать MiniMax Speech 2.8 HD

Отправь текст — модель вернёт его голосом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

Текст для озвучки: «Дорогие гости, добро пожаловать в музей! Экскурсия начнётся через пять минут у главной лестницы.»

Голос: Russian_ReliableMan

В ответ приходит сам звук, по умолчанию MP3; цена — в заголовке x-veselo-cost-rub.

Цены MiniMax Speech 2.8 HD в рублях

Текст — считаем по знакам11,18 ₽ за 1000 знаков

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена

Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

Аудиогид для музея и экскурсии: гид на 20 залов по 1 500 знаковОколо 335,40 ₽
Озвучка текста для видео и рекламы: шесть вариантов рекламы по 450 знаковОколо 30,19 ₽
Аудиоверсия статьи для блога или рассылки: статья на 7 500 знаковОколо 83,85 ₽
Озвучка онлайн-курса: курс из 12 уроков по 6 000 знаковОколо 804,96 ₽
Голоса персонажей для игры и аудиоспектакля: сцена на 2 500 знаковОколо 27,95 ₽

Что умеет MiniMax Speech 2.8 HD

  • Говорит на 40 языках, среди них русский, украинский, английский, китайский, турецкий и арабский (документация MiniMax).
  • Голосов 200, и у русского языка восемь своих — четыре мужских и четыре женских, если судить по названиям (справочник голосов).
  • Паузы ставятся прямо в тексте меткой <#0.5#>: от 0,01 до 99,99 секунды тишины.
  • Эмоцию по умолчанию модель выбирает по смыслу фразы, отдельный параметр для этого не нужен.
  • До 4 096 знаков за запрос; абзацы отделяются переносом строки.
  • Ответ — готовый файл MP3, WAV, FLAC или PCM.
  • Голоса — только готовые голоса MiniMax: голос по образцу записи наш API не делает.

Где применять

Аудиогид для музея и экскурсии

Аудиогид слушают в тишине зала, и любая шероховатость голоса там слышна. Поэтому здесь нужна HD: MiniMax делала её ради качества звучания, а не скорости. Разбей экскурсию на залы, каждый — отдельным запросом, и ставь паузу <#1#> там, где посетитель должен поднять глаза на экспонат. Получится набор MP3-файлов, которые можно загрузить в приложение музея или повесить на QR-коды у витрин, по файлу на зал.

Пример запроса: «Дорогие гости, добро пожаловать в музей! <#1#> Экскурсия начнётся через пять минут у главной лестницы», голос Russian_ReliableMan.

Стоимость: гид на 20 залов по 1 500 знаков — около 335,40 ₽.

Озвучка текста для видео и рекламы

Для рекламного ролика обычно пишут пять-шесть вариантов текста: с разным темпом и разными акцентами. По API их удобно озвучить пачкой и сравнить на слух прямо в монтажке. Для бодрой рекламы послушай Russian_BrightHeroine и Russian_AttractiveGuy, для спокойного рассказа — Russian_ReliableMan. Звук придёт без музыки, фон и сведение остаются за монтажом. Если дорожка пойдёт на сведение, проси WAV: в нём нет сжатия.

Пример запроса: «Шиномонтаж на Садовой работает без выходных. Переобуем машину за сорок минут, пока пьёшь кофе», голос Russian_AttractiveGuy.

Стоимость: шесть вариантов рекламы по 450 знаков — около 30,19 ₽.

Аудиоверсия статьи для блога или рассылки

Часть читателей охотнее слушает, чем читает: в дороге, за рулём, на прогулке с собакой. Статью на 7 500 знаков отправь двумя-тремя запросами по границам абзацев — в один запрос входит до 4 096 знаков — и склей файлы. Заголовки отделяй переносом строки, а между разделами ставь паузу <#1.5#>: слушателю так проще понять, что начался новый раздел. Голос для всех частей бери один, иначе склейка будет слышна.

Пример запроса: «Как выбрать велосипед для города. <#1.5#> Начнём с рамы: для поездок на работу важнее посадка, чем вес», голос Russian_HandsomeChildhoodFriend.

Стоимость: статья на 7 500 знаков — около 83,85 ₽.

Озвучка онлайн-курса

В курсе из десятка уроков голос должен звучать одинаково от первого урока до последнего, а с живым диктором это неделя записи и согласований. Выбери один голос и держи его во всех запросах — тембр останется тем же. Правка в уроке — это новая озвучка одного абзаца, а не новая сессия в студии звукозаписи. Термины и аббревиатуры пиши так, как их нужно произнести: например, «эс-кью-эль» вместо SQL, если нужно по буквам.

Пример запроса: «Урок третий. Что такое маржинальность и почему её считают до запуска рекламы», голос Russian_AmbitiousWoman.

Стоимость: курс из 12 уроков по 6 000 знаков — около 804,96 ₽.

Голоса персонажей для игры и аудиоспектакля

У MiniMax русские голоса названы по характеру: «надёжный мужчина», «вспыльчивый парень», «сумасшедшая девушка», «девушка-пессимистка». Для игры или аудиоспектакля это готовый набор ролей. Каждую реплику отправляй отдельным запросом с голосом этого персонажа и называй файлы по номеру реплики — так сцену потом проще склеить в редакторе. Эмоцию модель подбирает по тексту, поэтому пиши реплики так, как их сыграл бы актёр: с восклицаниями, вопросами и паузами.

Пример запроса: «Где тебя носит? <#0.5#> Ворота закроются через минуту!», голос Russian_CrazyQueen.

Стоимость: сцена на 2 500 знаков — около 27,95 ₽.

Одна экскурсия на нескольких языках

Туристам удобнее слушать на своём языке, а заказывать у диктора каждую версию долго. Модель говорит на 40 языках, так что одну экскурсию можно выпустить на русском, английском и китайском. Переведи текст заранее и дай вычитать перевод носителю. Для каждой версии бери голос с её языком из справочника MiniMax: русские голоса — для русского текста, английские — для английского. Паузы и абзацы оставь как в русской версии, тогда все языки зазвучат в одном ритме.

Пример запроса: «Welcome to the museum! The tour starts in five minutes by the main staircase», английский голос из справочника MiniMax.

Стоимость: три языковые версии по 3 000 знаков — около 100,62 ₽.

Как писать запрос

  • Пометки в круглых скобках вроде «(смеётся)» или «(шёпотом)» в текст не пиши: модель может прочитать их вслух.
  • Числа, даты и сокращения пиши словами, если важно, как они прозвучат: «двадцать пятого мая», а не «25.05».
  • Новый абзац начинай с новой строки: так MiniMax понимает, где кончается мысль.
  • Длинный текст режь по абзацам, чтобы каждая часть была не длиннее 4 096 знаков, и озвучивай все части одним голосом.

Характеристики

РазработчикMiniMax
ВидОзвучка текста
ГолосаHandsome Childhood Friend, Ambitious Woman, Attractive Guy, Bad-tempered Boy, Bright Queen, Crazy Girl и ещё 6
Языкиru
Текст за запросдо 4 096 знаков
Форматы звукаmp3, flac, wav, pcm
Как читатьполе instructions: тон, темп, настроение
id для запросаminimax/speech-2.8-hd

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — POST https://veselo.ai/v1/audio/speech с полем model: minimax/speech-2.8-hd, ключ — в заголовке Authorization: Bearer sk-vsl-….

curl

curl https://veselo.ai/v1/audio/speech \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax/speech-2.8-hd",
    "voice": "Russian_HandsomeChildhoodFriend",
    "input": "Добрый вечер! Сегодня в программе — хорошие новости."
  }' \
  --output speech.mp3

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

with client.audio.speech.with_streaming_response.create(
    model="minimax/speech-2.8-hd",
    voice="Russian_HandsomeChildhoodFriend",
    input="Добрый вечер! Сегодня в программе — хорошие новости.",
) as r:
    r.stream_to_file("speech.mp3")

JavaScript

import fs from 'node:fs';

const res = await fetch('https://veselo.ai/v1/audio/speech', {
  method: 'POST',
  headers: { Authorization: 'Bearer sk-vsl-ТВОЙ_КЛЮЧ', 'Content-Type': 'application/json' },
  body: JSON.stringify({ model: 'minimax/speech-2.8-hd', voice: 'Russian_HandsomeChildhoodFriend', input: 'Добрый вечер! Сегодня в программе — хорошие новости.' }),
  signal: AbortSignal.timeout(600_000),
});
if (!res.ok) throw new Error((await res.json()).error.message);
fs.writeFileSync('speech.mp3', Buffer.from(await res.arrayBuffer()));

Пример ответа — только поля

HTTP/1.1 200 OK
Content-Type: audio/mpeg
x-veselo-cost-rub: …

<звук MP3>

В программах: тем же ключом — из любого кода, а без ключа Claude, ChatGPT и Cursor зовут модель по MCP: вход на сайте и кнопка «Разрешить». MCP

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
MiniMax Speech 2.8 HD — эта модель11,18 ₽ / 1000 знаковдо 4 096 знаковаудиогиды, курсы и реклама, где качество голоса важнее цены за знак
MiniMax Speech 2.8 Turbo — MiniMax6,71 ₽ / 1000 знаковдо 4 096 знаковмного коротких фраз: напоминания, статусы заказа, голосовое меню
Eleven v3 — ElevenLabs11,18 ₽ / 1000 знаковдо 4 096 знаковигровая озвучка роликов, рекламы и скетчей со смехом, шёпотом и звуками
Fish Audio S2.1 Pro — Fish Audio3,36 ₽ / 1000 букв кириллицыдо 4 096 знаковживая озвучка роликов и уроков с эмоциями, описанными своими словами
Gemini 3.8 Flash TTS — Googleот 9,00 ₽до 5 000 знаков—
Inworld TTS-2 — Inworld AI2,80 ₽ / 1000 знаковдо 2 000 знаковрусская озвучка с указаниями подачи прямо в тексте: приложения, игры, сказки
  • MiniMax Speech 2.8 Turbo — те же языки и голоса, но дешевле за знак: для напоминаний, статусов и голосового меню, где фраз много и все короткие.
  • Eleven v3 — если подачу нужно размечать прямо в тексте тегами вроде [whispers] и [laughs].
  • Fish Audio S2.1 Pro — если эмоции удобнее задавать свободными словами в квадратных скобках; голоса у Fish — официальные голоса вендора.
  • Gemini 3.8 Flash TTS — если озвучка нужна без кода: эта модель есть в Студии.
  • Inworld TTS-2 — если нужно больше русских голосов на выбор.

Версии и отличия

У MiniMax четыре поколения озвучки, и в каждом две модели — HD и Turbo. MiniMax Speech 2.8 Turbo — та же 2.8, но MiniMax ставит её на скорость, и знак у неё дешевле. Прошлые HD тоже доступны по API. Speech 2.6 HD (minimax/speech-2.6-hd) MiniMax отмечает за просодию — живые ударения и интонацию, Speech-02 HD (minimax/speech-02-hd) — за ритм и стабильность, Speech-01 HD (minimax/speech-01-hd) — самое старое поколение. У 01 и 02 в списке языков нет персидского, филиппинского и тамильского, а у 2.6 и 2.8 они есть.

Подробно о MiniMax Speech 2.8 HD

Озвучка у MiniMax — отдельная линейка Speech рядом с языковыми моделями, видео и музыкой. Поколений четыре: 01, 02, 2.6 и 2.8, и в каждом по две модели. В описании моделей MiniMax разводит их так: 2.8 HD — про качество звучания и реализм, 2.8 Turbo — про скорость при естественной подаче.

Языков у поколений 2.6 и 2.8 — 40. Кроме русского и украинского, в списке многие европейские языки, а ещё арабский, хинди, японский, корейский, вьетнамский, индонезийский и тамильский. Голосов в справочнике MiniMax 332, они покрывают 24 языка. Названы голоса не по именам, а по характеру: «надёжный мужчина», «друг детства», «амбициозная женщина». Это удобно, когда голос подбирают под роль, а не под паспорт.

У самой MiniMax у озвучки много настроек: скорость от 0,5 до 2, громкость, высота голоса, набор эмоций, словарь произношений, субтитры по предложениям и словам, смешивание до четырёх голосов в один. Через наш API модель получает текст, голос и формат ответа. Остальные настройки вендора наш шлюз сейчас не передаёт, поэтому мы их и не обещаем.

Зато паузы работают: метка <#x#> в тексте вставляет тишину нужной длины, и ритм можно задать с точностью до сотых долей секунды. Вместе с переносами строк и знаками препинания это главный способ управлять подачей: где замедлиться, где выдержать паузу перед важным словом, где отделить один раздел от другого.

Пределы такие. У MiniMax синхронный запрос принимает до 10 000 знаков, у нас — до 4 096, поэтому длинные тексты режутся на части. Звук приходит целым файлом, когда готова вся фраза. Для готовых записей — гидов, курсов, рекламы, подкастов — этого достаточно, а для живого разговора с ответом через долю секунды такая схема не подходит.

Как устроен доступ

Весело — не разработчик MiniMax Speech 2.8 HD: модель выпускает MiniMax. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность

Вопросы и ответы

Какие русские голоса есть у MiniMax Speech 2.8 HD?
В справочнике MiniMax их восемь: Russian_ReliableMan («надёжный мужчина»), Russian_HandsomeChildhoodFriend («красивый друг детства»), Russian_AttractiveGuy («обаятельный парень»), Russian_Bad-temperedBoy («вспыльчивый парень»), Russian_BrightHeroine («яркая королева»), Russian_AmbitiousWoman («амбициозная женщина»), Russian_PessimisticGirl («девушка-пессимистка») и Russian_CrazyQueen («сумасшедшая девушка»). Id голоса передаётся в поле voice.
Сколько стоит озвучка в MiniMax Speech 2.8 HD?
11,18 ₽ за 1000 знаков. Считаются все знаки текста — пробелы, знаки препинания и метки пауз тоже. Аудиогид на 30 000 знаков выйдет в около 335,40 ₽. Если модель не вернула звук, деньги со счёта не уходят.
Чем MiniMax Speech 2.8 HD отличается от Turbo?
Языки, голоса и правила текста у них общие. MiniMax ставит HD на качество звучания, а Turbo — на скорость, и у Turbo знак дешевле. То, что слушают долго и внимательно, — гиды, курсы, рекламу — озвучивай в HD, короткие служебные фразы — в Turbo. Сомневаешься — озвучь один абзац обеими моделями одним голосом и сравни на слух.
Как сделать паузу в тексте для MiniMax Speech 2.8 HD?
Вставь метку <#x#>, где x — длина тишины в секундах: <#0.3#> — короткая пауза, <#2#> — две секунды. Подойдёт любое значение от 0,01 до 99,99, не больше двух знаков после запятой. Метка стоит между словами, которые произносятся, а две метки подряд MiniMax не принимает.
Можно ли озвучить через MiniMax Speech 2.8 HD длинную статью или книгу?
Можно, но частями: в один запрос входит до 4 096 знаков. Режь текст по абзацам, озвучивай каждую часть тем же голосом и склеивай файлы — подойдёт любой звуковой редактор или ffmpeg. Для книги удобно делать файл на главу или на её часть: правка тогда затронет один кусок.
Подойдёт ли MiniMax Speech 2.8 HD для голосового бота?
Для бота, который отвечает готовыми фразами — меню, подсказки, озвучка сообщений в Telegram, — подойдёт: фразы можно озвучить заранее или в момент ответа. Живой разговор, где голос должен звучать через долю секунды после человека, — другая задача: наш API отдаёт звук целым файлом. Для потока коротких фраз посмотри и на Speech 2.8 Turbo.
Есть ли подписка или абонентская плата?
Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
Сколько запросов можно отправлять?
До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
Можно ли использовать результат в рекламе и соцсетях?
Можно: мы не претендуем на результат, использовать его можно любым законным способом, не нарушая прав других людей. Только не выдавай его за голос, лицо или слова настоящего человека — так требуют правила API.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: platform.minimax.io