近日，上海的AI独角兽MiniMax稀宇极智发布了新一代语音大模型Speech-02。这款模型在国际权威的语音评测榜单Artificial Analysis和Hugging Face TTS Arena上，成功击败OpenAI、ElevenLabs等国际巨头，夺得双榜第一。

Speech-02在语音模型核心技术指标：字错率WER和相似度SIM上，取得了SOTA（State-of-the-Art，当前最好）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和真实音频相比，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，生成的语音更接近真人。

凭借超强技术和广泛应用的模型能力，Speech-02为用户提供超拟人、个性化、多样化的语音服务。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实现多语种切换。

MiniMax语音大模型的这一成绩震惊了国外网友，他们纷纷称赞其为音频领域的游戏规则改变者。

值得注意的是，Speech-02在性能登顶的同时，其商用定价仅为全球头部语音模型ElevenLabs的四分之一，以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。

新民晚报记者获悉，该模型的突破性定价策略，不仅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教育等领域提供应用服务，并在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，与国内外多家知名企业达成深度合作。

今年1月，MiniMax发布的Speech-01语音模型，支持17种语言和上百种音色，已在北美、英国、澳大利亚等20多个国家和地区实现落地合作。

技术指标方面，字错率WER越低越好，相似度SIM越高越好。

MiniMax海外生态负责人表示，Speech-02能够轻松驾驭32个语种的不同口音和不同情绪，通过AI和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。

行业分析人士指出，这种“技术突破+商业落地”的双轮驱动模式，标志着我国人工智能产业已进入高质量发展新阶段。随着核心技术的持续突破和应用场景的不断拓展，国产大模型在全球AI竞赛中展现出“中国速度”。

（文章来源：上观新闻）