MiniMax · Tools

MiniMax Audio

Auf einen Blick

Preis
ab 5 $/Mon.
Anbieter
MiniMax

Technische Daten & Eigenschaften

Kaufentscheidend

Preis-Modell
Freemium 1
Audio-Funktionen
  • Text-to-Speech
  • Voice-Cloning
  • Musik-Generierung
  • Audio-Enhancement
1

Preis

Preis ab
5 $/Mon. 1
Kostenlose Stufe
Ja 1

Integration

API verfügbar
Ja 1

Qualität

Voice-Cloning ab Audiomaterial
10 Sek. 1
Daten melden / Korrektur vorschlagen

Messwerte im Kategorie-Vergleich

Unterstützte Sprachen
k. A.
Voice-Cloning ab Audiomaterial
10 Sek.
Latenz (Echtzeit-Audio)
k. A.

Profil

MiniMax Audio ist eine Text-to-Speech- und Voice-Cloning-Plattform des chinesischen KI-Unternehmens MiniMax, das auch für seine Hailuo-Videomodelle und die M-Serie an Sprachmodellen bekannt ist. Zielgruppe sind Content-Creator, Marketingteams und Entwickler, die mehrsprachige Voiceovers oder eine geklonte Erzählstimme brauchen. Es gibt zwei Zugangswege: eine Web-App unter minimax.io/audio mit Abo-Stufen ab 5 US-Dollar/Monat sowie eine nach Zeichen abgerechnete Entwickler-API auf MiniMax' Open Platform. Das aktuelle Flaggschiffmodell Speech 2.8 setzt vor allem auf eine natürlichere, weniger robotisch klingende Sprachausgabe.

Wer steckt dahinter

MiniMax Group Inc. wurde im Dezember 2021 in Shanghai von Yan Junjie gegründet, einem ehemaligen Computer-Vision-Forscher bei SenseTime, und ging im Januar 2026 an die Börse in Hongkong. Der Workflow ist in Web-App und API identisch: Text eingeben, eine von 300+ vorgefertigten Stimmen wählen oder anhand einer kurzen Audioprobe eine eigene klonen, Emotion, Tonhöhe und Tempo anpassen, exportieren. Entwickler binden dieselbe Engine über die Open Platform ein – per HTTP-/WebSocket-Endpunkt, einem asynchronen Endpunkt für lange Texte sowie eigenen Endpunkten für Voice Clone und Voice Design.

Kernfunktionen

  • Speech 2.8 (23. Januar 2026), das Flaggschiffmodell, führt "Native Sound Tags" ein, die Füllwörter ("um", "äh") und Atemgeräusche nachbilden, sowie eine verbesserte sprachübergreifende Behandlung gegen "Akzent-Bleeding" – zunächst bei Mandarin-Japanisch.
  • Instant Voice Cloning bereits ab 10 Sekunden Ausgangsaudio (API: 10 Sekunden bis 5 Minuten, plus optional eine Zusatzprobe unter 8 Sekunden für mehr Klangtreue).
  • 300+ Studio-Qualitäts-Stimmen in 50+ Sprachen und Akzenten, sortiert nach Geschlecht, Alter, Akzent und Sprechstil, mit einstellbarer Tonhöhe, Geschwindigkeit und Emotion.
  • Speech 2.6 (Oktober 2025), das vorherige Flaggschiffmodell, zielt auf Voice Agents mit End-to-End-Latenz unter 250 ms und liest URLs, E-Mails, Telefonnummern, Daten und Geldbeträge automatisch korrekt vor.
  • Entwickler-API mit synchronem HTTP-/WebSocket-Text-to-Speech, asynchronem Endpunkt für lange Dokumente sowie separaten, unabhängig abgerechneten Voice-Clone-/Voice-Design-Endpunkten.
  • Gestaffelte Stimmenbibliothek: Die Abo-Stufen enthalten steigende "Voice Slots" zum Speichern geklonter Stimmen – von 10 im Einstiegsplan bis 800 im höchsten Plan.

Preise

  • Fünf Audio-Abo-Stufen plus individuelle Option: Starter 5 $/Monat (100.000 Audio-Punkte), Standard 30 $/Monat (300.000), Pro 99 $/Monat (1.100.000), Scale 249 $/Monat (3.300.000), Business 999 $/Monat (20.000.000 Punkte, 800 Voice Slots); Custom über den Vertrieb.
  • Quartalsabrechnung spart 10 %, Jahresabrechnung 20 % – auf jeder Stufe.
  • Kein dauerhaft kostenloser Plan; neue Besucher erhalten stattdessen wenige kostenlose Testgenerierungen (die Voice-Generator-Seite zeigte bei unserer Prüfung "5 free trials remaining"), bevor ein bezahlter Plan nötig wird.
  • Separate nutzungsbasierte API-Preise: speech-2.8-turbo 60 $/Mio. Zeichen, speech-2.8-hd 100 $/Mio. Zeichen; Cloning wird pro Stimme abgerechnet (1,50 $ Rapid Voice Cloning, 3,00 $ Voice Design).
  • Vor der Budgetplanung lohnt ein Blick auf die aktuelle Preisseite, da MiniMax diese Stufen im letzten Jahr mehrfach angepasst hat.

Für wen

Creator, Marketingteams und unabhängige Entwickler mit gelegentlichem Bedarf an mehrsprachigen Voiceovers oder einer einmalig geklonten Stimme kommen mit den 5-30-$/Monat-Stufen meist aus, sobald die Testgenerierungen aufgebraucht sind. Teams, die Voice Agents bauen, TTS in ein Produkt einbetten oder große Stimmenbibliotheken und höhere Rate Limits brauchen, sollten Pro/Scale/Business oder die API nutzen – diese schalten mehr Voice Slots, höhere Requests-per-Minute-Limits und bei Business bevorzugten Zugang zu neuen Modellen frei.

Häufige Fragen

Was kostet MiniMax Audio?

MiniMax Audio wird über monatliche "Audio"-Abo-Stufen abgerechnet, gemessen in Audio-Punkten – getrennt von der nutzungsbasierten Entwickler-API. Die veröffentlichten Stufen sind Starter für 5 $/Monat (100.000 Audio-Punkte), Standard für 30 $/Monat (300.000), Pro für 99 $/Monat (1.100.000), Scale für 249 $/Monat (3.300.000) und Business für 999 $/Monat (20.000.000 Punkte, 800 Voice Slots); eine Custom-Stufe ist über den Vertrieb erhältlich. Quartalsabrechnung spart 10 %, Jahresabrechnung 20 %. Entwickler, die die API direkt ansprechen, zahlen stattdessen pro Zeichen: 60 $ pro Million Zeichen bei speech-2.8-turbo und 100 $ pro Million bei speech-2.8-hd. Vor der Budgetplanung lohnt sich ein Blick auf die aktuelle Preisseite, da MiniMax diese Stufen bereits geändert hat.

Ist MiniMax Audio kostenlos?

Nicht dauerhaft. MiniMax Audio gibt neuen Besuchern eine kleine Zahl kostenloser Testgenerierungen statt eines dauerhaft kostenlosen Plans; die Voice-Generator-Seite von MiniMax zeigte bei unserer Prüfung einen Zähler mit "5 free trials remaining". Sind diese Testgenerierungen aufgebraucht, ist ein bezahltes Abo ab 5 $/Monat (Starter, 100.000 Audio-Punkte) nötig, um weiter Audio zu erzeugen. MiniMax' Paid Service Terms bestätigen, dass kostenlose Konten nur "basic features such as limited voice cloning functions and API service" erhalten, während schnellere Generierung und mehr Credits den bezahlten Stufen vorbehalten sind. Da sich Testkontingente ändern können, lohnt ein Blick auf die aktuell gültigen Bedingungen.

Welche Sprachen und Stimmen unterstützt MiniMax Audio?

MiniMax Audio bietet auf seiner Verbraucher-Seite 300+ Studio-Qualitäts-Stimmen in 50+ Sprachen und Akzenten, sortiert nach Geschlecht, Alter, Akzent und Sprechstil. Die zugrunde liegenden Sprachmodelle werden separat mit 40+ unterstützten Sprachen für Generierung und sprachübergreifendes Cloning dokumentiert; das aktuelle Modell Speech 2.8 arbeitet gezielt daran, "Akzent-Bleeding" zwischen Sprachpaaren wie Mandarin und Japanisch zu reduzieren. Da sich die genaue Sprachzahl je nach Modellgeneration (2.5, 2.6, 2.8) leicht unterscheidet, lohnt ein Blick in die Modelldokumentation für die Zahl des jeweils genutzten Modells.

Ist Voice-Cloning bei MiniMax Audio möglich?

Ja. Für das Voice-Cloning in der Web-App reichen bereits 10 Sekunden Ausgangsaudio, um eine eigene Stimme zu erstellen; die API ist flexibler und akzeptiert 10 Sekunden bis 5 Minuten Ausgangsaudio plus optional eine unter 8 Sekunden lange Zusatzprobe für mehr Klangtreue. Das aktuelle Modell Speech 2.8 wirbt damit, aus dieser kurzen Probe "your unique texture, breathiness, and even your specific speaking pace" einzufangen – aufbauend auf der "Fluent LoRA"-Funktion von Speech 2.6, die geklonte Stimmen auch dann glättet, wenn die Quellaufnahme Akzente oder Sprechfehler enthält. In der API wird Cloning getrennt von der Generierung abgerechnet: 1,50 $ pro Rapid Voice Clone und 3,00 $ pro Voice-Design-Aufruf.

Gibt es eine API, und darf ich die Audios kommerziell nutzen?

Ja, MiniMax stellt Audio über seine Open-Platform-API bereit: synchrone HTTP- und WebSocket-Endpunkte für Text-to-Speech, einen asynchronen Endpunkt für lange Texte sowie separate Voice-Clone-/Voice-Design-Endpunkte – abgerechnet pro Zeichen bzw. pro geklonter Stimme statt per Abo. Dieses nutzungsbasierte Abrechnungsmodell ist darauf ausgelegt, dass Unternehmen generierte Sprache in eigene Produkte einbetten, was auf eine erwartete kommerzielle Nutzung durch zahlende Kunden hindeutet. Eine einzige, klar formulierte "Sie dürfen dieses Audio weiterverkaufen"-Klausel veröffentlicht MiniMax auf der Preisseite jedoch nicht; die Paid Service Terms unterscheiden lediglich zwischen "basic"-Funktionen im kostenlosen Konto und dem volleren Funktionsumfang bezahlter Pläne. Bei kommerziell heiklen Anwendungsfällen (Werbung, weiterverkaufte Hörbücher) sollten die Audio Terms of Service und die Paid Service Terms direkt gelesen werden, da wir auf den geprüften Seiten keine plan-spezifische kommerzielle Lizenzklausel bestätigen konnten.

Wie schlägt sich MiniMax Audio im Vergleich zu ElevenLabs?

Beide liegen preislich nah beieinander, unterscheiden sich aber darin, wo die Gratis-Nutzung ansetzt: ElevenLabs hat einen echten 0-$-Plan (10.000 Credits), sperrt Instant Voice Cloning aber erst ab der 6-$/Monat-Starter-Stufe, während die günstigste bezahlte Stufe von MiniMax Audio bei 5 $/Monat (100.000 Audio-Punkte) liegt, der "kostenlose" Zugang aber nur aus einer Handvoll Testgenerierungen besteht, nicht aus einem dauerhaften Plan. Bei der Sprachabdeckung nennt ElevenLabs für sein neuestes Modell (Eleven v3) 74 Sprachen, MiniMax dagegen 50+ Sprachen/Akzente in der Verbraucher-Stimmenbibliothek und 40+ für Generierung und sprachübergreifendes Cloning bei Speech 2.8. Beide bieten schnelles Cloning aus kurzen Proben (MiniMax: ab 10 Sekunden; ElevenLabs: eine vergleichbar kurze Instant-Voice-Cloning-Probe) sowie eine nutzungsbasierte Entwickler-API. Vor einer Entscheidung lohnt ein Blick auf die aktuellen Preisseiten beider Anbieter, da beide ihre Stufen im letzten Jahr geändert haben.