MiniMax Speech 2.8 HDとFish Audio Drama 3同期チャンクと台詞編集を分ける

MiniMaxはT2A WebSocketでチャンクを返し、Drama 3は途中の方向とpaired tagでテイクを作る。リアルタイム応答と編集可能な台詞を分けます。

MiniMaxとFish Audioの公式資料を2026年10月19日に確認しました。API・open weights・タグ・編集状態を分けて記録します。

執筆・確認：株式会社志庵編集担当　確認日：2026年10月19日

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

接続を速くするかテイクを直すか

MiniMaxはtask_start、task_continue、チャンク、task_finishで音声を返します。Drama 3は行頭/途中の角括弧とpaired tagで台詞を作り、編集APIは招待制です。

判断
短い応答を再生器へ流すならMiniMax。方向を変えた台詞テイクを残すならDrama 3。声質・遅延は未測定です。

公式一次資料で確認できる比較軸（2026-10-19確認）
比較軸	左側モデル	右側モデル	制作で決めること
同期経路	WebSocket task_continueでチャンク。	REST/WebSocket/SDK。	受信中の再生か完成テイクか。
演技	sound tags、speed/vol/pitch。	角括弧、paired tag。	範囲を個別に保存。
声	10秒サンプルのクローン。	reference_id、open weights。	参照同意を分ける。
長尺/編集	同期1万文字、Async 1M。	編集APIは招待制、方向変更で再生成。	章分割と修正単位を分ける。
価格	$100/1M characters。	$50/1M、$10は11月12日まで。	期間価格とbytesを混ぜない。

MiniMaxはsession、taskイベント、チャンク順、voice/audio設定、完成ファイルを保存します。Drama 3は原稿、角括弧/paired tag、reference_id、model header、返却形式、再生成理由を保存します。

同じ「whisper」でも構文が同じとは限らず、意味と範囲を分解して各APIへ出し分けます。

サポートは即時再生、短編は台詞途中で不安から囁きへ変え固有名詞だけ直す。

MiniMaxは$100/1M characters。Drama 3は通常$50/1M、10月13日〜11月12日は$10/1Mです。再接続、再生成、GPU費用は別にします。

公式資料を2026-10-19に確認しました。MiniMax Speech 2.8 HD vs Fish Audio Drama 3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。
Fish Audio｜Drama 3 — model: drama-3、83言語、角括弧/paired tags、reference_id。編集APIは招待制。APIは通常$50/1M characters、2026-11-12まで$10/1M。
Fish Audio｜Developers — REST/WebSocket/SDK、S2.1 Proは$15/1M UTF-8 bytes。Drama 3の文字単価とは別。
Fish Audio｜Inference — Drama 3のopen weights、自前推論資料、GPU条件を掲載。

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。