MiniMax Speech 2.8 HD est le modèle de synthèse vocale haute définition de MiniMax. Sa grande force : le volume. Une seule génération peut voiser jusqu'à 10 000 caractères, soit environ 10 à 12 minutes de parole. Plus besoin de découper un long article, un cours ou un chapitre de livre en plusieurs morceaux.
Plutôt que des balises dans le texte, ce modèle s'appuie sur des réglages. L'émotion s'applique à l'ensemble de l'enregistrement — neutre, joyeuse, triste, en colère, surprise ou apeurée — et la vitesse de parole peut être réglée plus lente ou plus rapide que la normale. Le modèle lit le texte avec une prononciation améliorée dans de nombreuses langues, pour des accents et une intonation naturels.
10 voix sont disponibles : calmes, de type présentateur, pleines d'entrain ou autoritaires. Le tarif est de 13 crédits les 1000 caractères.