Voice Agent 賽道正在爆發，但它迫切需要一個能讓對話真正流動起來的底層引擎。

作者｜Li Yuan

編輯｜鄭玄

2025 年過了大半，幾乎可以確定，今年 AI 最熱的賽道之一，就是 AI 陪伴類的硬件。

AI 擅長情感陪伴，我們早就從那些火爆的陪伴類 App 里領教過了。今年 AI 陪伴類的硬件熱潮背后，其實更是 AI 語音技術的迅速成熟。

今年，你是不是也接到過 AI 銷售的電話？從過去僵硬的機械音，AI 銷售的推銷目前已經到了幾乎完全自然的語音對話。NotebookLM 火了一整年，也催生了一堆 AI 播客產品。AI 口語陪練 App 正在大把賺錢，更不用提 AI 虛擬伙伴和虛擬主播。

其實，這些具體應用的背后，都是一個新的賽道：Voice Agent（語音智能體）正在快速發展的后果。從幕后到臺前，"Voice Agent" 正在開啟大規模滲透，也因此催生了一批備受資本青睞的初創公司。

這一波滲透浪潮，讓人們直觀地感受到 AI 語音的「可用性」——它不再是遙不可及的未來技術，而是已經能創造商業價值的工具。但當行業試圖將這些 Voice Agent 從早期嘗鮮，推向大規模、高標準的商業場景時，問題也迎面而來：AI 語音系統已經到達可用的地步，然而這并不等于技術已經穩定好用。

想要實現一個好的 Voice Agent，大模型的「智商」只是底座。在交互的臨門一腳，也就是「嗓音」層面，延遲、情商（擬人度）、個性化聲音質感、流利度，每一樣都不能或缺。行業實踐早已證明，超過 1 秒的延遲就會打斷對話節奏；而機械的播報，比如無法正確讀出網址、郵箱或日期，則會瞬間暴露 AI 的「非人感」，這在專業的 B 端場景中是致命的。

這些細節體驗，每一樣都可能帶來客戶的大幅增加或流失。

Voice Agent 賽道正在爆發，但它迫切需要一個能讓對話真正「流動起來」的底層引擎，一個能撐起下一代交互體驗的 TTS 模型。競爭的焦點，已經從 LLM 的「大腦」，延伸到了 TTS 的「嗓音」。誰掌握嗓音，誰就掌握著下一代 AI 商業化的鑰匙。

而 10 月 30 日 MiniMax 發布的 Speech 2.6 模型，似乎正是一個專為解決這些痛點而來的答案。

01

Voice Agent：AI 時代的交互界面

那么，到底什么是 Voice Agent？

簡單來說，它是一個「能說話的智能體」——用戶開口說話，它理解、回應、執行，一切都像在和人交談。

和文本交互相比，語音的優勢是壓倒性的：它更自然，也更符合人類本能；比文字更快，也更適合即時溝通；同時語音更具情感溫度，也更容易與人建立連接。

許多早期的 AI 產品早已證明了這一點。比如 AI 女友應用 Dolores 的開發者就發現，平臺上 70% 的收入都來自于語音的購買。開發者曾經感嘆道：「人們真的會為那幾句逼真的『我愛你』付費。」

而對于企業而言，Voice Agent 意味著「成本更低、速度更快、更可靠的服務」，能讓企業實現全天候待命：它們是 24/7 在線的銀行、保險、物流 AI 客服；是汽車里幫你導航和控制空調的智能助手；是醫療場景中幫助醫生自動生成病例的記錄員……

語音本身就有天然優勢，而 Voice Agent 的爆發，更來自底層技術的突破。

自從 2023 年開始，TTS 技術被廣泛運用在配音、數字分身、語音助手等方向，并開始出現爆發式的增長，可用性大幅提高。這背后是模型架構的革新，尤其是基于 AR Transformer 等新架構的出現，讓語音合成的自然度和表現力達到了新的高度。

硅谷頂級風投 a16z 近期發文，表示 Voice Agent 正在成為「AI 時代的交互界面」和「下一代 SaaS 入口」。

一個完整的 Voice Agent 交互中，通常有這樣幾個模塊：

語音識別 (ASR)：首先，ASR 模塊負責「傾聽」，將用戶的語音轉換成文本。

大語言模型 (LLM)：接著，LLM 作為「大腦」，理解這些文本的意圖，思考并生成回應的文本。

語音合成 (TTS)：最后，TTS 模塊（Text-to-Speech）作為「嗓音」，將 LLM 生成的文本答案，轉換成我們能聽到的、自然的語音。

如今，語音識別的準確率已經非常高，而大模型的差距正在縮小，真正的競爭已轉向交互的「最后一公里」——那副負責「開口說話」的嗓音，也就是 TTS 模型。TTS 是交互的最后一環，直接決定了用戶的主觀體驗。

一個普遍的誤解是，TTS 只要「清晰可聞」就足夠了。但在真實的商業場景中，這遠遠不夠。決定一個 Voice Agent 成敗的，從來不是單純的清晰度，而是交互是否自然、可信、順暢。

語音交互對實時性的要求極高。保險電銷的實測數據表明：AI 坐席必須在客戶說完 1 秒內接話，否則「機器感」就會瞬間出現。傳統語音鏈路（ASR + LLM + TTS）是串行處理，每一步都要等上一步結束，延遲常常高達 2～3 秒——在真實對話中幾乎不可接受。

如果說低延遲是門檻，而「擬人感」則是靈魂。

一段富有情感的聲音，能瞬間建立陪伴感與黏性。C 端用戶追求沉浸與共鳴，一個機械音足以讓人出戲；B 端企業則依賴語氣的自然與可信，才能傳遞專業形象。

擬人感也包括足夠聰明——比如，AI 客服需要讀出 max-support@tech.com。一個「笨」的 TTS 會念成「max 減...」，而「聰明」的 TTS 則會讀成「max 『杠』...」。這不僅考驗模型的語音理解能力，也依賴于豐富的本地語言數據去支撐訓練。

不同的 TTS 在表面上看起來似乎差別不大，但真正的差異藏在細節里——只有開發者才感受得到，而用戶的留存，正是被這些細節一點點改變的。哪怕只是降低一秒延遲，用戶也可能因此留下。

02

為 Voice Agent 而生：

MiniMax Speech 2.6

什么樣的語音模型，才算是為 Voice Agent 而生？

在語音生成這條賽道上，MiniMax 一直是榜單常客——AA、Hugging Face榜單第一已成常態。不過，近期 Minimax 發布的Speech 2.6 模型，專為 Voice Agent 打造，MiniMax 交出了一份更驚艷的答卷。

直接看 Demo，就能感受到變化。

在官方發布的這段模擬客服場景 Demo 中，Speech 2.6 模型聲音的表現力十分驚艷。

模型的女聲客服并非勻速的機械播報，而是充滿了細節。語言有時候快，有時候慢，這種語速的自然變化和節奏感非常接近真人對話。更關鍵的是，它甚至會生成一些極其擬人的微小停頓和吸氣聲，仿佛在思考或組織語言，這讓「真人感」變得極強。那種微妙的節奏感，讓人第一次覺得 AI 的「嗓音」是有呼吸的。

而在這些「聽起來很自然」的背后，是一組更為驚艷的數據。

首先，Speech 2.6 就對準了 Voice Agent 的生死線——延遲。

MiniMax Speech 2.6 將首包（First-packet）響應時間壓縮到了250 毫秒。

這是一個什么概念？行業實踐和一線項目的共識是，1 秒（1000 毫秒）是語音交互體驗的絕對分水嶺。一旦延遲超過 1 秒，對話的節奏就會被徹底打斷，用戶的感知會立刻從「交談」切換為「等待機器響應」。而 250 毫秒，意味著從 AI 的 LLM 大腦「想」完答案，到 TTS「開口」說出第一個字，中間的停頓幾乎符合人類的生理感知極限。這為實現真正流暢、可打斷的實時對話流（Real-time Conversation Flow）提供了最關鍵的技術前提。

在語音賽道，MiniMax 的指標一直與 11Labs 這樣的國際頭部玩家「有來有回」。據一些行業測試披露，雖然 11Labs 官方聲稱其延遲可達 75 毫秒，但根據他們北美客戶的實際測試，其在真實網絡環境下的首包延遲也在 200 到 300 毫秒區間。從這個角度看，Speech 2.6 的 250 毫秒，是一個在真實商業環境中可穩定復現的、極具競爭力的低延遲數據。它解決的是 Voice Agent 場景下最基礎、也是最致命的「停頓」和「卡殼」問題，讓對話得以真正「流動」起來。

更令人驚喜的，在一些決定專業度的小細節上，Speech 2.6 做得也非常不錯。

我們在官網的體驗區發現，這次更新的 Speech 2.6 模型現在能正確讀出電話、郵箱、網址、數學公式等結構化文本。

比如在這次測試中，筆者讓它讀出極客公園的網址，效果相當不錯。

它不僅按照中文習慣讀成了「點 net」，前面的英文部分也沒有機械地一個字母一個字母拼讀，而是自然地讀成了「geek」和「park」兩個單詞——更符合語義，也更像人。

更有趣的是數學題的測試。筆者隨手從網上找了一道初中水平的題目講解，讓它來朗讀。

除了加號、等號、根號這些常見符號讀得準確，最讓人意外的是，那些久違的「因為」「所以」邏輯符號，它也能正確讀出——連筆者這個早已離開課堂多年的成年人都愣了一下：原來是這樣讀的。

更妙的是，它對「x」的處理方式。那種讀法，聽起來就像中國人平時念「x」時的口音。當我選了一個老奶奶的聲音來合成時，整段講解突然有了熟悉的畫面感——就像長輩在耐心地給你講題。

這個功能對于 B 端開發者來說價值巨大。過去，當 LLM 需要播報一個郵箱或網址時，開發者必須在 TTS 上游額外搭建一套繁瑣的文本預處理（Text Normalization）規則庫，用正則表達式或硬編碼，手動「翻譯」文本，否則模型就會出錯。

而當模型更聰明，B 端廠商和開發者的技術棧就被極大簡化了，顯著降低了文本準備的復雜度和維護成本。

在官網上，筆者發現 MiniMax 還專門針對 Voice Agent 的長尾需求做了不少處理。

比如在聲音復刻技術上。在真實的商業場景中，企業可用的原始素材往往是「不完美」的。比如，用于復刻的錄音可能來自非母語人士（帶有口音），或者在錄制時有輕微的結巴、不流利的停頓。

傳統的聲音復刻模型只會忠實地「復刻缺陷」。這導致生成的語音雖然音色很「像」，但聽起來「不專業」、「不好聽」，在客服或電銷這類需要高度專業形象的場景中根本無法使用。

Speech 2.6 新增的Fluent LoRA模型，正是為了解決這個「復刻缺陷」問題。它能夠在聲音復刻的場景中，即使用戶上傳的是一段不流利的素材（如結巴、口音、非母語），也能夠智能修正，復刻出一個流利、自然的表達。這極大拓寬了聲音復刻的可用素材范圍，讓 B 端廠商在追求個性化音色的同時，不必再為素材的「不完美」而妥協，保證了 Voice Agent 對外輸出的專業形象。

MiniMax 這種為 B 端落地掃清障礙的思路，不僅體現在「音色流暢度」這種精細的「深度」上，也體現在「多語種覆蓋」的「廣度」上。在多語言的支持上，Speech 2.6 此次支持四十多個語種，這為需要構建全球化產品的 AI 出海團隊提供了堅實的底層支持。

MiniMax Speech 2.6 的升級路徑非常清晰：它不再滿足于做那個「指標刷榜」的 TTS 模型，而是通過解決延遲、智能和流暢度這三大難題，真正成為開發者最愛用的，下一代 Voice Agent 場景中，那個最穩定、最智能、最高效的「語音底層」。

03

誰掌握聲音，

誰就掌握下一代 AI 商業化的鑰匙

大模型的技術競賽，顯然已經進入了下半場。

如果說過去兩年的主題是「煉大腦」——比拼的是誰的 LLM 更智能、參數更高、跑分更強——那么現在，人們除了關心模型的智能能力，也關注正在誰的商業化能力更強。

當Voice Agent正在成為下一代 AI 商業化的入口。在這場「Voice-First」浪潮中，LLM負責「想」，TTS 負責「說」。AI 想得再聰明，也得說得自然，才能被人真正接受。誰能掌握更擬人、更低延遲的語音能力，誰就更有機會拿到商業化的「入場券」。

MiniMax 這次的 Speech 2.6 模型，讓我們看到了它研發的能力和商業化的潛力。

在「聲音」這個越來越關鍵的技術賽道上，MiniMax 早已是頭部玩家。它的技術底蘊，來自于對底層架構的自研——基于AR Transformer 模型的高質量 TTS 系統。這種架構選擇使其在語音的自然度、表現力和多語種支持上獲得了先天優勢。

在開發者生態上，MiniMax 的布局同樣穩健。海外多家主流Voice Agent 基礎設施平臺已將其語音能力接入：包括曾為 ChatGPT 高級語音模式提供工具的LiveKit、GitHub 熱門開源框架Pipecat，以及 YC 孵化的語音部署平臺Vapi。對這些底層平臺而言，接入哪個 TTS API，本身就是對其性能與穩定性的認可。

在國內，MiniMax 的語音能力也深度融入多個商業場景。從Rokid Glasses等 AR 設備，到榮耀、魅族等智能終端，再到AI玩具 Bubble Pal；從超級小愛、納米 AI 搜索、Key AI、MegaView AI 助手到Fuzozo 平臺；乃至教育與垂直領域的聽力熊、精準學——幾乎所有語音交互形態，都能聽到 MiniMax 的聲音。

一個值得思考的問題是：一個技術指標早已登頂、同時被海內外「基礎設施」和「終端產品」雙重驗證的語音模型，為什么還要專門為Voice Agent再做優化？

答案或許是——正因為有過大量落地實踐，MiniMax比別人更早、更清晰地看到了 Voice Agent 場景的真正痛點。

Speech 2.6的發布，正標志著 MiniMax 先于其他公司的關注點轉變：從「聲音好聽」，邁向「聲音能落地」。

「好聽」是一項技術指標，關乎音質、韻律與自然度，但要真正落地，還要解決更復雜的問題：延遲、智能與擬人。它解決的是開發者在落地時最棘手的問題，是 AI Agent 能否擺脫「機器感」、實現「專業度」的臨門一腳。

通過在底層引擎中內嵌「智能化」和「流利性」，Speech 2.6 極大地釋放了上層開發者的生產力。開發者不再需要耗費巨額成本去搭建繁瑣的文本預處理規則，也不再需要為不完美的復刻素材而苦惱。

通過提供一個更快、更聰明、更流暢、更全面的語音底層，MiniMax 正在為整個 Voice Agent 賽道「減負」——

讓開發者能更專注于 LLM 的業務邏輯與場景創新。

在大模型競爭的下半場，誰能為下一代交互——Voice Agent 提供最無縫、最自然、最智能的聲音交互，誰就掌握了商業化的鑰匙。而 MiniMax 看起來，正在握緊這把鑰匙。

*頭圖由AI生成

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO

極客一問

你如何看待 MiniMax？

AI 讓富豪更富，10 人狂攬 3.7 萬億，重塑全球財富版圖

點贊關注極客公園視頻號，