近日，来自上海的AI独角兽MiniMax稀宇极智发布新一代语音大模型Speech-02。该模型在国际最权威的两项语音评测榜单Artificial Analysis和Hugging Face TTS Arena 上，力压OpenAI、ElevenLabs等国际巨头，荣登双榜榜首。这一突破性进展意味着我国在AI语音生成领域已跻身世界领先行列。

　　就在今年年初，DeepSeek-R1以超低成本实现部分性能超越OpenAI o1的表现，打破了业界对硅谷大模型的技术迷信。此次MiniMax在语音AI领域的技术突破，再次证明了我国在大模型研发方面的强大实力。

　　据介绍，Speech-02在语音模型核心技术指标：字错率WER和相似度SIM等客观指标上取得了SOTA结果，用户盲听主观评价反馈也更自然、真实。具体来看，与Seed-TTS、CosyVoice 2和真实音频比，Speech-02在中英文的零样本语音克隆中均实现了更低的WER，表明其发音错误率更低且更清晰稳定。在SIM方面，Speech-02在所有24种测试语言中均显著优于ElevenLabs的multilingual_v2模型，前者生成的语音更逼近真人输出。

　　基于超强技术与足够泛化的模型能力，Speech-02为用户带来超拟人、个性化、多样性的语音服务。Speech-02通过「文生音」功能给定自然语言文本描述生成符合描述的音色；通过「声音参考」功能，对任意给定语音实现灵活控制，进行感情、语速、音高、语种等无缝切换；同时支持粤语、葡萄牙语、法语等32个语种，甚至在同一段语音里也可以实现多个语种间的自如切换。

　　值得关注的是，Speech-02性能登顶同时其商用定价仅为全球头部语音模型ElevenLabs的四分之一，以超高性能和极致性价比双重优势，推动国产AI语音技术大规模商业化落地。

　　该模型的突破性定价策略，不仅大幅降低了企业采用先进语音AI技术的门槛，更为智能客服、语音交互等行业带来颠覆性变革。目前，MiniMax已在文旅导览、金融服务、语音助手、AI教育等应用服务；AI玩具、教育学习机、汽车智能座舱等硬件场景形成成熟解决方案，并与国内外多家知名企业达成深度合作，包括国内声网、阅文集团旗下起点读书、高途教育、香港电视台，以及海外Hedra、Moescape AI、Dusmart等机构。

　　今年1月份，MiniMax发布Speech-01语音模型，支持17种语言和上百种音色，快速在北美、英国、澳大利亚、日韩、意大利、巴西等20多个国家和地区实现落地合作。

　　“在海外，我们已支持大量内容创作者，通过低门槛的语音工具用自己的声音灵活接单，为广告、短片进行声音表演，赋能零工经济。”MiniMax海外生态负责人Linda介绍，“这次发布的Speech-02能够轻松驾驭32个语种的不同口音和不同情绪，我们相信通过AI，通过对稀缺小语种的支持，未来将多语种的声音以当地最地道的发音传向全世界，帮助全球每一种语言都被听见、每一种文化都被理解”。