MiniMax Speech 2.8 HD ist das Text-to-Speech-Modell von MiniMax in HD-Qualität. Sein Alleinstellungsmerkmal ist die Textmenge: Ein einziger Durchlauf vertont bis zu 10.000 Zeichen, also etwa 10–12 Minuten Sprache. Lange Artikel, Vorträge oder Buchkapitel müssen nicht mehr in Teile zerlegt werden.
Statt Tags im Text zu setzen, arbeitet dieses Modell mit Einstellungen. Die Emotion gilt für die gesamte Aufnahme — neutral, fröhlich, traurig, wütend, überrascht oder ängstlich — und die Sprechgeschwindigkeit lässt sich langsamer oder schneller als normal einstellen. Das Modell liest Text mit verbesserter Aussprache in vielen Sprachen, sodass Betonung und Intonation natürlich klingen.
10 Stimmen stehen zur Verfügung: ruhig, ansagenartig, lebhaft und bestimmt. Der Preis liegt bei 13 Credits pro 1000 Zeichen.