MiniMax Speech 2.6 HDと2.8 HD既存エージェントと現行音声経路を分ける
2.6 HDはモデル一覧に残る一方、価格表ではLegacy扱いです。2.8 HDへの移行は、音声の良し悪しではなく、sound tags、長尺経路、クローン入力、既存エージェントの接続を分けて考えます。
MiniMaxのモデル一覧、Speech 2.6/2.8の公式発表、同期WebSocket資料、料金表を2026年10月19日に確認しました。providerの説明を実測品質や退役の証明へ広げていません。
この記事の目次
Legacy表示と退役表示を分けて選ぶ
MiniMaxの正式なmodel値は、2.6 HDがspeech-2.6-hd、2.8 HDがspeech-2.8-hdです。2026年10月19日に確認したモデル一覧では両方がAvailable Modelsに掲載され、Retired Modelsには含まれていません。一方、料金表では2.6 HDがLegacy Models、2.8 HDが現行のT2A Sync/Asyncとして分類されています。
2025年10月30日に発表された2.6は、URL、メール、電話番号、日付、金額を扱う入力処理、Fluent LoRA、40以上の言語を公式発表で案内しています。2.8はnative sound tags、10秒サンプルの音声クローン、クロスリンガルの日本語・中国語を案内しています。これは世代の位置付けであり、同じ声・同じ台本の品質順位ではありません。
既存の2.6エージェントを維持し、入力処理と同期WebSocketを変えたくないなら2.6を現行契約で確認します。新規実装や長尺の非同期処理、sound tags、10秒クローンを必要とするなら2.8を基準にします。2.6を退役済みと扱わず、Legacy表示による更新優先度と運用リスクを分けて記録します。
正式ID・経路・入力上限を比べる
| 確認軸 | Speech 2.6 HD | Speech 2.8 HD | 制作で決めること |
|---|---|---|---|
| 正式な識別子・状態 | speech-2.6-hd。Available Models、料金表ではLegacy Models。 | speech-2.8-hd。Available Models、料金表では現行T2A Sync/Async。 | LegacyとRetiredを分け、既存資産の維持と新規採用を別に判断する。 |
| 同期経路 | T2A WebSocket wss://api.minimax.io/ws/v1/t2a_v2。ガイドは両モデルを対応モデルとして掲載。 | 同じ接続方式でも、model値と入力処理の差を保存する。 | |
| 同期入力上限 | 1リクエスト最大10,000文字。 | 1リクエスト最大10,000文字。 | 20,000文字を同期で送る場合は、両方とも分割単位を決める。 |
| 長尺経路 | Asyncの上限は今回確認した一次資料から確定できない。 | Asyncは最大1,000,000文字/リクエスト。 | 2.8のAsync上限を2.6へ適用せず、2.6は契約・API仕様を個別確認する。 |
| 入力処理・音声機能 | URL、メール、電話番号、日付、金額の処理、Fluent LoRA、40以上の言語を公式発表が案内。 | native sound tags、10秒サンプルのクローン、クロスリンガルの日本語・中国語を公式発表が案内。 | 数値・URLの前処理と、間・息などのタグを同じ機能として移行しない。 |
| 出力設定 | 同期ガイドはformat、sample_rate、bitrate、channelを指定する例を掲載。例は32kHz・128kbps・mono・MP3。 | ファイル形式と音声設定を入力記録へ含め、モデルの世代差と混同しない。 | |
同期WebSocketの10,000文字は両モデルのガイド条件です。2.8のAsync 1,000,000文字は2.8固有の資料にある条件なので、2.6の共通上限へ広げません。両モデルのquality normalization対応も、音声品質の実測結果とは別に扱います。
既存の音声エージェントを移行する
2.6のエージェントを残す場合は、model値、入力の正規化、voice設定、WebSocketの接続状態、チャンク順、出力設定を保存します。URLや金額などを2.6の公式発表に合わせて入力していても、2.8でsound tagsを足すこととは別の変更です。
2.8へ移す場合は、sound tagsの入力、10秒サンプルのクローン登録、同期とAsyncの選択を実装上の設定として分けます。同期ガイドの音声形式をそのまま採用するか、配信先の形式へ変換するかを決め、2.6の既存音声と同じ台詞で確認します。
2.6を維持する工程
- 数値・URL・メールの表記と、音声へ送る原稿を対応付ける。
- 10,000文字上限に合わせた分割と再接続を保存する。
- Legacy表示を確認した日と、契約上の利用可否を記録する。
2.8へ移す工程
- sound tagsと10秒クローンの入力・承認を別設定へする。
- 1,000,000文字Asyncが必要な台本だけ非同期経路へ振り分ける。
- 既存のvoice ID、ファイル形式、字幕行を新しい返却音声へ対応付ける。
リアルタイム案内と長尺音声で使い分ける
仮の条件（実際の生成結果ではない）
架空のカスタマーサポートで、短い質問への音声応答と、20,000文字の製品説明を用意する。応答には注文番号、日付、金額が入り、製品説明には章見出しと字幕行がある。
- 短い応答は2.6の同期WebSocketを基準にし、注文番号・日付・金額の原稿表記を固定する。
- 20,000文字を同期で送るなら、10,000文字上限に合わせて章単位へ分割する。
- 長尺を一回のAsync処理へまとめたい場合は2.8の1,000,000文字条件を候補にし、2.6へ同じ上限を仮定しない。
- 2.8のsound tagsやクローンを使う場合は、既存2.6音声との同一台詞試験を別に行い、出力ファイルと字幕を確認する。
この例では、2.8を「高品質」、2.6を「旧式」と結論づけていません。同期の既存運用を守るか、Asyncと新しい入力表現へ移るかが、モデルを選ぶ理由です。
同じ文字単位で料金を見積もる
MiniMaxの料金表で確認した単価は、2.6 HDがLegacy Models欄で$100/1M characters、2.8 HDがT2A Sync/Asyncで$100/1M charactersです。2.8のAsyncは最大1,000,000文字/リクエスト、同期は両モデルとも最大10,000文字/リクエストという条件です。
20,000文字を送る仮の計算では、公開単価だけなら2.6も2.8も$2.00です。同期経路では10,000文字ずつ2回に分ける設計になり、2.8 Asyncでは1リクエストの条件に収まります。2.6のAsync上限は確認できていないため、2.8の長尺条件を2.6へ換算せず、追加確認が必要な項目として残します。
model ID、LegacyまたはT2A Sync/Asyncの分類、同期・非同期、入力文字数、分割数、音声設定、再生成数、料金確認日を同じ条件表へ記録します。
出典・確認範囲
公式資料の確認日は2026年10月19日です。正式ID、Available/Retired表示、Legacy分類、同期WebSocket、入力上限、音声処理、クローン、出力設定、文字単価を確認しました。providerが示す250ms未満、10秒クローン、クロスリンガルの説明を、当サイトではレイテンシー・発音・声の再現性として測定していません。
- MiniMax API Docs｜Model List — 2.6/2.8のAvailable表示とRetired Modelsの一覧。
- MiniMax｜Speech 2.6 release — 2.6の形式処理、providerの遅延表現、Fluent LoRA、言語。
- MiniMax｜Speech 2.8 release — sound tags、10秒サンプルの音声クローン、クロスリンガルの説明。
- MiniMax API Docs｜Synchronous TTS guide — 同期10,000文字、対応モデル、音声出力設定。
- MiniMax API Docs｜Pricing overview — 2.8のT2A Sync/Async、2.6のLegacy分類、文字単価、2.8 Async上限。