MiniMax Speech 2.8 HDとCosyVoice 2Hosted T2Aと公開ウェイトを分ける
MiniMaxは契約済みAPIでチャンク/長尺、CosyVoice 2はweights・GPU・推論コードを自分で持つ。責任範囲が違います。
MiniMaxとFunAudioLLMの公式資料を2026年10月19日に確認しました。T2A APIと公開weightsを同じサービスとして扱いません。
公式仕様の比較。生成結果の実測と、公式に記載された機能は分けて紹介します。根拠・検証範囲を見る
この記事の目次
サービス責任の境界で選ぶ
MiniMaxはspeech-2.8-hdで同期WebSocket/Async、sound tags、文字単価を提供します。CosyVoice 2は公開weightsとrepoコードを自社環境で実行します。
GPU保守を持たずAPIで返答・長尺を処理するならMiniMax。weightsと参照音声を保持しstreamingを管理できるならCosyVoice 2。品質・遅延・総費用は未測定です。
正式ID・入力・配信・料金を比べる
| 比較軸 | 左側モデル | 右側モデル | 制作で決めること |
|---|---|---|---|
| 経路 | speech-2.8-hd T2A Sync/Async。 | CosyVoice2-0.5B 公開weights。 | providerか自社基盤か。 |
| 入力 | text、voice_id、sound tags。 | text、参照音声、zero-shot等。 | 参照と台詞を別資産に。 |
| 配信 | WebSocketチャンク、Async後取得。 | local streaming/非streaming、vLLM。 | 障害/結合を自社設計。 |
| 更新 | モデル一覧・料金・APIを追う。 | repo、weights、GPU、commitを固定。 | 更新担当を分ける。 |
| 価格 | $100/1M characters。 | 共通Hosted単価なし。 | 単価と基盤費を混ぜない。 |
CosyVoice2-0.5Bの公式モデルカードはApache-2.0を表示しています。利用するリポジトリ・依存ライブラリのライセンスと、参照音声を使用する権利は別に確認します。
voice_settingと推論環境を別の計画にする
MiniMaxはmodel、session、taskイベント、voice/audio設定、文字数、返却ファイルを保存。CosyVoiceはmodel directory、commit、参照音声、mode、GPU、チャンクを保存します。
MiniMaxのAsync上限をCosyVoiceへ当てはめず、CosyVoice側の入力分割とGPUメモリを決めます。
教材アプリの返答と講義音声
仮の条件（実際の生成結果ではない）
短い対話返答は即時再生、長い講義音声は自社環境で保管。参照話者は社内管理する。
- 返答をMiniMax WebSocketで作りチャンクを保存。
- 講義をCosyVoice2-0.5Bで参照wav・mode・commit付きで作る。
- 字幕IDは共通でも再現条件は分ける。
- GPU交換、API上限、権利を担当者別に決める。
従量APIと基盤費用を分離する
MiniMaxは$100/1M characters。CosyVoice 2はGPU、保存、推論サーバー、監視、更新、再生成を積み上げ、文字課金へ換算しません。
出典と確認範囲
公式資料を2026-10-19に確認しました。MiniMax Speech 2.8 HD vs CosyVoice 2の正式ID、提供経路、入力・演技、参照素材、出力、価格単位を確認しています。音質、発音、感情表現、声の一貫性、遅延、成功率は同条件で測定していません。
- MiniMax API｜Model List — Available Modelsに
speech-2.8-hd、Retired Modelsには含まれない。 - MiniMax API｜T2A WebSocket —
wss://api.minimax.io/ws/v1/t2a_v2、voice_setting/audio_setting、task_continueで音声チャンクを返す。 - MiniMax API｜Pricing overview — speech-2.8-hdはT2A Sync/Asyncとも$100/1M characters、Async最大1M文字/request。
- MiniMax｜Speech 2.8 release — native sound tags、10秒サンプルのクローン、日中クロスリンガルを発表。
- FunAudioLLM｜CosyVoice official repository —
CosyVoice2-0.5Bとv1 weights、zero-shot/cross-lingual/instruct、参照音声、streaming、vLLM、FastAPI/gRPCの公開repo。 - CosyVoice 2 paper — LLMベースのstreaming speech synthesisと参照音声を記録。
- FunAudioLLM｜CosyVoice2-0.5B model card：公開ウェイトのApache-2.0表示。
この条件で制作を相談する
用途・素材・尺・予算・希望時期が決まっている範囲で、株式会社志庵へ相談できます。掲載会社への一斉送信や契約は行いません。