Un podcast à deux animateurs commence par un dialogue qui donne envie d’écouter. Transformez l’article en script, attribuez une voix fixe à chaque intervenant, puis générez et montez les répliques. MiniMax Speech 2.8 assure la synthèse vocale ; l’écriture, l’ordre des répliques et le mixage musical restent des étapes de production distinctes.
Overhear, récompensé au MiniMaxathon et présenté dans un compte rendu du 21 septembre, illustre cette méthode. Son dépôt public décrit la conversion d’un article en dialogue, avec Speech 2.8 pour chaque réplique et une musique de générique générée séparément. Nous avons consulté le compte rendu et le dépôt, sans exécuter l’application ni écouter ses résultats. Ce cas montre un processus de production ; il ne prouve pas qu’une seule requête vocale crée un épisode complet. ,
MiniMax Speech 2.8 : podcast à deux voix: Schéma du processus, pas un résultat de modèle testé
Donner un rôle distinct aux deux animateurs
Choisissez une question centrale. A peut expliquer l’idée, tandis que B formule les questions du public ou apporte un exemple. Les deux animateurs n’ont pas à prendre la parole alternativement après chaque phrase.
Pour un article sur les budgets vidéo, un exemple de script non testé pourrait être:
A : Le coût de génération ne représente qu’une partie du budget.
B : Pourquoi prévoir des relances si le premier clip peut déjà convenir ?
A : Même une génération réussie doit répondre au cahier des charges. Il faudra peut-être corriger l’apparence du produit ou remplacer un plan.
Lisez le dialogue à voix haute avant la synthèse. Supprimez les échanges où B se contente d’approuver ou de répéter A.
Construire une feuille de production avant de synthétiser
Testez d’abord le processus avec ce court pilote, avant de convertir tout l’article. Les répliques ci-dessous n’ont pas été synthétisées ; renseignez leur durée après écoute des fichiers réels.
Ordre: 01 · Intervenant et objectif: A introduit la question · Exemple de réplique: Par où commencer un budget vidéo? · Contrôle de génération: Gardez la voix A fixe et vérifiez que la question est claire
Ordre: 02 · Intervenant et objectif: B identifie l'hypothèse · Exemple de réplique: Avant, je ne regardais que le prix d'une génération. · Contrôle de génération: Maintenir la voix B fixe et vérifier que les voix sont distinctes
Ordre: 03 · Intervenant et objectif: A explique la méthode · Exemple de réplique: Comptez chaque tentative, puis mesurez le matériel que vous conservez réellement. · Contrôle de génération: Réutilisez les paramètres de A et vérifiez les termes clés
Ordre: 04 · Intervenant et objectif: B propose une action · Exemple de réplique: Je prévois un budget de retouche pour les deux premiers plans. · Contrôle de génération: Vérifier l’enchaînement et la fin, puis ajuster les silences au montage
Pour chaque réplique, conservez le passage source, l’identifiant de voix, la gamme du modèle, l’émotion, l’identifiant de tâche, le fichier et la décision de conservation. Placez les notes dans une colonne distincte pour éviter leur lecture accidentelle. Les caractères envoyés pour refaire une réplique s’ajoutent au coût.
Générez d’abord deux interventions par animateur. Si les voix et le rythme s’accordent, développez l’épisode. Pour un sujet factuel, B doit éclaircir une difficulté réelle, sans inventer une objection absente de la source.
Conserver la même voix pour chaque animateur
Sur la page MiniMax Speech 2.8, choisissez deux voix distinctes. Notez leur identifiant, la vitesse, le volume et le mode de synthèse. Un extrait avec une affirmation, une question et une phrase accentuée sera plus utile qu’une simple salutation.
Réutilisez ces réglages lors des remplacements. Si vous souhaitez une voix personnalisée, créez-la dans le processus prévu avant la synthèse. Importer un enregistrement et utiliser une voix lors de chaque requête sont deux opérations différentes.
Adapter l’émotion au sens de la réplique
Gardez les explications stables et utilisez les changements émotionnels là où le sens l'exige. Des instructions contradictoires sur une ligne rendent le brief de production plus difficile à évaluer.
Consignez l’intervenant, le texte, la voix, l’émotion et le nom de fichier. Des noms comme episode01-A-001 et episode01-B-002 préservent l’ordre. Séparez les notes de production du texte prononcé.
Générer des sections, puis les assembler
Découpez le texte aux pauses naturelles et aux changements d’intervenant. Avant le montage, écoutez chaque segment pour repérer les mots manquants, les erreurs de prononciation et les accents mal placés. Après un remplacement, vérifiez à nouveau les raccords : la durée peut avoir changé.
Consultez les Docs Speech 2.8 pour les modes et champs API. Dans le navigateur, partez de l’espace de génération du modèle, puis assemblez les fichiers dans un éditeur audio. Un champ API ne prouve pas l’existence d’un bouton portant le même nom.
Mixer pour garder les dialogues intelligibles
Faites correspondre le volume perçu des deux voix avant d'ajouter de la musique. Gardez la musique plus basse pendant le dialogue et vérifiez le résultat avec des écouteurs et un haut-parleur de téléphone. Les introductions, les transitions et les fins offrent souvent un meilleur espace pour la musique que les explications denses.
Consultez APIXO Pricing pour calculer le budget. Les tarifs API vérifiés le 10 octobre 2026 sont de $0.06 pour Speech Turbo et $0.10 pour Speech HD par 1 000 caractères. Dans un exemple hypothétique de 5 000 caractères, la synthèse coûte environ $0.30 ou $0.50. Incluez le texte régénéré ; la création de voix personnalisées et les autres modèles se facturent séparément.
Tarifs d’usage API ; crédits mensuels Studio distincts.
Avant la publication
Vous n'avez pas besoin de voix clonées pour tester le format. Commencez par des voix prédéfinies et une courte conversation, puis vérifiez l'exactitude des faits, l'ordre des lignes, les pauses, le volume et la musique. Une fois cet exemple fonctionnel, développez le script. La synthèse vocale est une étape de la production du podcast.
Créez avec APIXO
Explorez des modèles d'image, de vidéo et d'audio en un seul endroit.
