本期节目，我们将深入探讨MiniMax-Speech，一款基于自回归Transformer的文本转语音模型。我们将揭示其可学习说话人编码器和创新的Flow-VAE架构如何实现高质量的零样本语音克隆，支持32种语言，并在多项评测中取得SOTA成绩。同时，我们还会讨论其在情感控制、文本生成音色和专业语音克隆等方面的强大扩展能力。