【导语】近日，AI领域的独角兽企业MiniMax稀宇极智震撼发布新一代语音大模型Speech-02，并在国际权威语音评测榜单Artificial Analysis和Hugging Face TTS Arena上力压OpenAI、ElevenLabs等国际巨头，夺得双榜冠军。Speech-02在字错率、相似度等核心技术指标上取得SOTA结果，发音更清晰稳定，且商用定价仅为ElevenLabs的四分之一，展现出高性能与高性价比的双重优势。目前，该模型已在多个领域实现应用。
近日，AI独角兽MiniMax稀宇极智发布新一代语音大模型Speech-02，宣布该模型在国际最权威的两项语音评测榜单Artificial Analysis（全球知名AI基准测试机构）和(hé)Hugging Face TTS Arena （抱(bào)抱(bào)脸(liǎn)文本(běn)转(zhuǎn)语(yǔ)音(yīn)竞(jìng)技(jì)场(chǎng)）上(shàng)，超(chāo)越(yuè)OpenAI、ElevenLabs等(děng)国(guó)际(jì)巨(jù)头(tóu)，登(dēng)上(shàng)双(shuāng)榜(bǎng)榜(bǎng)首(shǒu)。
国(guó)际(jì)权(quán)威(wēi)语(yǔ)音(yīn)评(píng)测(cè)榜(bǎng)单(dān)Artificial Analysis 来(lái)源(yuán)：以(yǐ)下(xià)图(tú)片(piàn)均(jūn)由(yóu)Minimax方(fāng)提供
据介绍，Speech-02在语音模型核心技术指标：字错率WER和相似度SIM等客观指标上取得了SOTA结果，用户盲听主观评价反馈也显示其更自然、真实。
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字错率（Word Error Rate, 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，前者生成的语音更逼近真人输出。
Hugging Face TTS Arena 评测榜单
值得关注的是，Speech-02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，具有高性能和性价比双重优势。目前，MiniMax已在文旅导览、金融服务、语音助手、AI教育等领域应用其大模型服务。