MiniMax Speech 2.8 HD vs Turbo: 성인 오디오, 가격, 조절 항목

MiniMax Speech 2.8 Turbo는 성인 내레이션과 등장인물 대화를 처음 시작하기에 더 나은 선택입니다. 1000자당 $0.072로 HD의 $0.12보다 저렴합니다. 둘 다 같은 472개의 시스템 음성과 같은 전달 조절 항목을 갖습니다. 2026년 9월 테스트에서 둘 다 명시적인 성인 대본을 한 단어씩 그대로 읽고, (breath)나 (gasps) 같은 사운드 태그를 말로 읽지 않고 연기로 수행했습니다.

품질 차이는 작습니다. Artificial Analysis의 블라인드 리스닝 아레나에서 HD는 약 1173 Elo, Turbo는 약 1153이며 신뢰 구간이 겹칩니다. 그 작은 차이치고 HD가 3분의 2 더 비싸므로 Turbo로 시작하고, 뻣뻣한 문장이나 어색한 감정 전환처럼 구체적인 문제가 들렸을 때만 그 줄을 HD로 옮기세요.

가격과 기능 비교

과금은 문자 단위이며 공백, 문장 부호, 줄바꿈, 본문 속 사운드 태그를 포함하고 1,000자로 올림하지 않습니다. 115자짜리 한 줄은 Turbo에서 $0.0083, HD에서 $0.0138입니다.

Turbo 작업과 HD 작업은 모두 단일 음성 비동기 생성기라 실시간 음성 에이전트에는 맞지 않습니다. MiniMax 자체 API가 제공하는 음성 복제는 이 경로에서 쓸 수 없고, 여러 화자 배열도 마찬가지입니다. 등장인물이 둘이면 요청이 두 번과 오디오 편집이 필요합니다. 생성된 오디오는 14일 동안 보관되니, 실제로 쓸 것은 내려받아 두세요.

성인 대본과 사운드 태그

두 버전 모두 명시적인 성인 어휘를 직접적인 장면에서도 오디오북풍 내레이션에서도, 쓰인 그대로 읽고 무엇도 건너뛰거나 중간에 자르지 않습니다. (breath), (pant), (groans), (gasps) 같은 지시가 많은 구간은 그 소리가 말로 읽히지 않고 연기로 수행된 상태로 돌아왔습니다.

MiniMax의 문서는 Speech 2.8의 태그 19종을 나열합니다. (laughs), (chuckle), (coughs), (clear-throat), (groans), (breath), (pant), (inhale), (exhale), (gasps), (sniffs), (sighs), (snorts), (burps), (lip-smacking), (humming), (hissing), (emm), (sneezes)입니다. 소리가 나야 할 위치에 text 안에 태그를 쓰세요. Turbo의 놀리는 라이벌 샘플 대본은 (laughs)로 시작하고, HD의 심야 음성 메모 대본에는 (sighs)가 들어 있습니다. 샘플을 들어 보고 그 지시가 어떻게 전달되는지 확인하세요.

첫 입력 텍스트로 쓸 만한 예

장난기 섞인 음성 메시지를 보내는 가상의 성인 인물을 위해 Turbo 작업의 input에 다음을 붙여 넣으세요. 모델 페이지의 Playground도 같은 항목을 사용합니다.

{
  "text": "(laughs) You took your time. I saved you a seat, but you'll have to tell me what kept you. Stay for one more drink?",
  "voice_id": "Calm_Woman",
  "language": "en",
  "emotion": "neutral",
  "speed": 1,
  "pitch": 0,
  "volume": 1,
  "output_format": "mp3"
}

이것은 Turbo에서 $0.0083, HD에서 $0.0138입니다. MiniMax에는 자유 형식의 instructions 항목이 없고 API는 그것을 거부합니다. 방향은 음성과 emotion 값, 숫자 조절 항목에서 나옵니다. Calm_Woman이 기본 음성이고 Deep_Voice_Man은 더 낮은 남성 음성을 위한 또 다른 시스템 ID입니다. 다른 음색이 필요하면 다른 프리셋을 고르세요. 음높이를 한 옥타브 낮추는 것은 알맞은 음성을 고르는 일을 대신하지 못합니다.

HD와 비교할 때는 이 입력을 그대로 두고 모델만 바꾸세요. 대본이나 음성까지 바꾸면 모델 변경이 무엇을 했는지 알 수 없게 됩니다.

전달을 바꾸는 조절 항목

emotion은 요청 전체에 적용됩니다. 등장인물이 장난스러운 상태에서 두려운 상태로 바뀐다면, 같은 voice_id에 다른 감정 값을 넣어 그 구간들을 따로 생성한 뒤 이어 붙이세요.

음성이 계속 잘못 읽는 이름은 등장인물을 바꾸는 대신 발음 사전 항목을 추가하세요.

{
  "text": "Good evening, Celine. I was hoping you'd call.",
  "voice_id": "Calm_Woman",
  "language": "en",
  "pronunciation_dict": [
    {"alias": "Celine", "pronunciation": "seh LEEN"}
  ]
}

사전은 최대 100개 항목을 받습니다. alias는 대본에 쓴 표기이며 슬래시를 넣을 수 없습니다. pronunciation은 단순히 다시 적은 단어든 괄호 안의 (rɪˈzjuːm) 같은 IPA든 됩니다. 가격은 바뀌지 않습니다.

알맞은 오디오 형식 고르기

웹 미리보기는 MP3, 이후 편집은 WAV 또는 FLAC를 쓰세요. MP3 비트레이트는 초당 32,000, 64,000, 128,000(기본값), 256,000 비트이며 MP3에만 적용됩니다. 샘플레이트는 8,000, 16,000, 22,050, 24,000, 32,000(기본값), 44,100 Hz입니다. 편집 프로젝트에서 필요할 때만 44,100을 고르세요. 더 높은 레이트로 잘못 읽힌 한 줄이 고쳐지지는 않습니다.

Raw PCM은 헤더 없는 16비트 little-endian 오디오라 브라우저가 재생할 수 없습니다. 사용 중인 소프트웨어가 샘플레이트와 채널 수를 이미 알고 있는 경우 외에는 WAV를 고르세요. audio_channels는 mono나 stereo를 받지만, 스테레오로도 서로 다른 등장인물을 별도 트랙에 놓지는 않습니다.

실제로 들리는 문제 고치기

장면당 2000자인 열 장면짜리 프로젝트에서 Turbo 한 번 생성은 $1.44, HD는 $2.40입니다. 200자짜리 한 줄만 다시 생성하면 Turbo에서 $0.0144, HD에서 $0.024이므로, 한 줄을 고치는 편이 두 번째 전체 생성을 사는 것보다 훨씬 저렴합니다.

Turbo로 시작해 위 조절 항목으로 전달 문제를 풀고, 여전히 이상하게 들리는 줄만 HD로 보내세요. 음성 레퍼런스나 다른 가격 모델이 필요하면 무검열 텍스트 음성 변환 API 비교를 참고하세요.