ガイド
MiniMax Speech 2.8で記事を対話台本に変え、2人の音色を固定し、短い音声を試聴してポッドキャストを組み立てます。
2人で進行するポッドキャストは、リスナーが聞きたいと思える会話から始まります。記事を会話の台本に書き直し、司会者ごとに声を固定して、セリフを生成・編集します。MiniMax Speech 2.8が担うのは音声合成です。台本作り、セリフの配置、音楽のミックスは別途行います。
最近の事例として、9月21日のイベントレポートで紹介されたMiniMaxathon受賞作Overhearがあります。公開リポジトリでは、記事を会話に変え、Speech 2.8でセリフごとに合成し、テーマ曲を別に生成する流れが説明されています。本記事ではレポートとリポジトリを確認しましたが、アプリの実行や音声の試聴は行っていません。制作手順の事例であり、音声リクエスト1回で完成したエピソード全体を生成できる証拠ではありません。 イベントレポート、Overhearリポジトリ
エピソードで答える問いを一つ決めます。司会者Aが要点を説明し、Bがリスナーの疑問を代弁したり具体例を加えたりすると、役割を分けられます。セリフごとに必ず交代する必要はありません。
動画の予算を扱う記事なら、次のような会話にできます。音声合成は行っていない台本例です。
A: 生成費用は、予算の一部にすぎません。
B: 最初の動画が使えるかもしれないのに、再生成の予算も必要ですか？
A: 生成に成功しても、制作要件を満たすとは限りません。製品の見た目やカットを修正する場合もあります。
合成する前に、台本を声に出して読んでください。Bが相づちを打つだけ、同じ情報を繰り返すだけの箇所は整理します。
記事全体を変換する前に、短い試作で手順を確認します。以下のセリフはまだ合成していません。再生時間は実際の音声を聞いてから記入してください。
各セリフに原文、音声ID、モデルの区分、感情設定、タスクID、ファイル名、採用状況を記録します。制作メモは読み上げる本文と別の列に置いてください。不採用のセリフを作り直す際も、新たに送信した文字数が費用に加わります。
まず司会者ごとに2回ずつ話す短い会話を作ります。声とテンポが合えば、エピソードを長くします。事実を説明する場合、Bには原文にない反論を作らせず、リスナーが迷いそうな点を質問させてください。
MiniMax Speech 2.8モデルページで区別しやすい2つの声を選び、音声ID、速度、音量、合成モードを記録します。挨拶だけでなく、説明・質問・強調を含む短い台本で試すと判断しやすくなります。
後からセリフを差し替える場合も同じ設定を使います。カスタム音声が必要なら、合成前に別の音声作成手順を完了してください。録音のアップロードと、各合成リクエストで音声を使うことは別の操作です。
説明部分は落ち着いた読み方にし、意味上必要な箇所で感情を変えます。一つのセリフに相反する指示を入れると、要件に合う結果か判断しにくくなります。
話者、本文、音色、感情、ファイル名を記録してください。episode01-A-001、episode01-B-002 のような名前で順番を管理できます。制作メモは読み上げ本文と分けて保存します。
自然な間や話者の交代で区切ります。単語の抜け、発音、強調を試聴してからタイムラインに配置してください。修正版は長さが変わることがあるため、差し替え後に前後のつながりも確認します。
APIのモードとフィールドはSpeech 2.8 Docsで確認してください。ブラウザではモデルページの生成画面から始め、音声編集ソフトでファイルを組み合わせます。APIフィールドの存在だけでは、同名のボタンが画面にあるとは判断できません。
音楽を加える前に、2人の声の体感音量をそろえます。会話中はBGMを下げ、ヘッドホンとスマートフォンのスピーカーで確認してください。情報量の多い説明部分より、導入・場面転換・締めくくりの方が音楽を入れやすくなります。
予算はAPIXO Pricingを基準にします。2026年10月10日に確認したAPI料金は、1,000文字あたりSpeech Turboが$0.06、Speech HDが$0.10です。5,000文字を合成する仮の例では約$0.30または$0.50になります。再生成した本文も文字数に含め、カスタム音声作成や他モデルの費用は別に計算してください。
API 従量料金です。Studio の月間クレジットは別です。
最初からクローン音声を作る必要はありません。既存の音色で短い会話を作り、事実、セリフの順序、間、音量、音楽を確認します。試作が要件を満たせば台本を広げてください。音声合成はポッドキャスト制作の一工程です。
APIXOで開発
画像、動画、音声の各モデルを1つの場所で探索。