教程指南
用 MiniMax Speech 2.8 把文章变成双人播客：音色、情绪与混音怎么安排
从文章改写、主持人音色和逐句情绪，到拼接与混音，了解如何用 MiniMax Speech 2.8 制作双人播客。
APIXO Team
开始创作
教程指南
从文章改写、主持人音色和逐句情绪，到拼接与混音，了解如何用 MiniMax Speech 2.8 制作双人播客。
文章里的小标题通常适合阅读，却未必适合直接朗读。先确定节目要回答的一个问题，再把信息分成解释、追问和例子。主持人 A 可以负责讲清主线，主持人 B 负责指出听众容易疑惑的地方；角色不需要每句交换。
例如，一段介绍视频预算的文章，可以改成以下脚本写法示例：
A：一次生成的价格，只是预算的一部分。
B：如果第一条已经够用，为什么还要给重试留钱？
A：因为生成成功和可以交付是两件事。你可能还要修正产品外观，或者重新安排镜头。
这段示例没有生成试听。写稿时应先检查两个人是否提供了不同信息，避免 B 只负责“对”“没错”和重复 A 的结论。
下面是一段几十秒样片的规划模板，时长以生成后的音频为准，并未提交生成。
脚本表另外保留原文来源、音色 ID、模式、情绪设置、任务 ID、文件名和采用状态。标注情绪的列不放进朗读正文；返回音频后再填写实际时长。只重做不合格段落，重做字符数仍计入费用。
没有必要先把整篇文章全部合成。先用 A/B 各两段验证接话，确认声音组合合适，再批量制作其余部分。对于事实密集的内容，B 应追问真正的难点，而不是制造原文里不存在的观点。
从 MiniMax Speech 2.8 模型页 开始，为两位主持人分别挑选音色，并记录语速、音量及实际使用的语音模式。用包含陈述、疑问和转折的短段落试听，比只听一句问候更容易发现声音不适合的问题。
两个人的声音要容易区分，也要适合一起听。无需把其中一人刻意做成夸张角色。确定音色后，尽量在整期节目中保持同一设置，修改台词时也沿用原设置。
如果使用自定义声音，先完成独立的声音创建流程，再在合成中使用对应身份。已有声音与创建新声音属于不同工作，不能把上传录音理解成当前语音请求中的自动克隆。
解释概念可以保持平稳，表达疑惑、惊讶或强调时再调整情绪。一句话里堆叠相互冲突的情绪指令，未必比简单明确的要求更有用。
建议用“角色、台词、音色、情绪、文件名”组成制作记录。文件名按照节目和顺序编号，例如 episode01-A-001、episode01-B-002。把情绪标注与正文分开保存，避免导出脚本时意外把制作说明当成台词。
对于交替对白，按说话人和语义段落分别生成更便于定位问题。不要把一句连续表达机械拆成多个小文件；分段点优先放在自然停顿和话题转折处。接口模式、音色身份和情绪字段以 Speech 2.8 Docs 为准。
先听每个段落，再按脚本顺序放进剪辑软件。检查是否漏句、错读，以及两个人接话的间隔是否自然。若第三句的重音不对，先重新生成第三句，而不是马上重做整期节目；替换后再听前后衔接，因为生成时长可能变化。
浏览器用户可以从模型页工作区开始试听，后续拼接在音频编辑器中完成。批量制作则可以使用 API 保存每段的任务、台词和结果对应关系。不要从接口字段推断界面一定存在同名按钮。
先让两位主持人的主观响度接近，再处理背景音乐。音乐适合用于片头、转场和片尾；对白期间应降低音量，避免音乐盖住辅音和细节。先用耳机听，再用手机扬声器检查一遍。
计费以当前 APIXO Pricing 为准。2026 年 10 月 10 日公开表格显示，Speech Turbo 为每千字符 $0.06，Speech HD 为每千字符 $0.10。例如累计生成 5,000 字符，按这两档单价计算分别约 $0.30 和 $0.50；这是计算示例，重做的文本也应计入预算，自定义声音创建和其他模型费用另算。
这里是 API 按量费率；Studio 月度订阅积分另计。
双人播客一定要克隆声音吗？ 不需要。先用可区分的预设音色完成节目结构和试听，再决定是否需要自定义声音。
生成声音之后就能直接发布吗？ 还要检查内容准确性、台词顺序、拼接、响度和音乐搭配。模型完成语音合成，不代表音频节目已经完成后期。
准备第一期时，可以先选一段短文章，做几十秒的对话样片。把脚本、两个音色和混音流程跑通后，再扩大篇幅。
使用 APIXO 构建
一站式探索图像、视频和音频模型。
