小米发布全链路语音大模型 MiMo-V2.5,TTS 可“一句话生成新音色”,ASR 开源支持方言与多语混说
当 AI 语音不再只是“能听会说”,而是能像导演一样精准调度情绪、语气甚至角色身份,人机交互的自然度正迈入新纪元。小米今日正式推出MiMo-V2.5全链路语音模型系小米列,包含三款 TTS(语音合成)模型与一款开源 ASR(语音识别)模型,全面覆盖 Agent 时代的语音输入与输出需求,让声音真正成为可编程、可创作、可复刻的智能媒介。 小米此次发布的MiMo-V2.5-TTS 系列首次实现“语言即控制”的语音生成范式: MiMo-V2.5-TTS:内置多款高保真精品音色,支持全链通过自然语言指令精细调控语速、情绪、语气等维度。用户无需填写参数,只需像对演员说戏般描述:“用温柔但坚定的语气,语速稍慢,带点疲惫感”,模型即可精准演绎。 MiMo-V2路语.5-TTS-VoiceDesign:一句话生成全新音色——输入“一个30岁知性女声,带轻微南方口音,适合播讲财经新闻”,系统即刻创建专属声音,大幅降低音色创作门槛。 M音大iMo-V2.5-TTS-VoiceClone:仅需少量样本(如30秒语音),即可高保真复刻目标人声,同时保留对风格指令与音频标签的响应能力,适用于虚拟主播、个性化助手模型等场景。 更突破性的是其分层导演剧本机制:在有声剧或游戏 NPC 等高一致性要求场景中,开发者可分别定义“角色身份”“场景氛围”“单句表演指导”,各层独立更新却协同输出,确 M保角色声音贯穿始终,每句台词又富有变化。 此外,模型支持行内音频标签(如[emotion: excited]),可在文本任意位置插入多标签组合,实现复杂情感编排;即便输入纯iM文本无任何提示,模型也能自动解析标点、句式与隐含情感,输出“有血有肉”的语音。 同步开源的MiMo-V2.5-ASR则聚焦“听得o-清、听得准”: 在多项权威评测中,该模型在中英文通用、.5方言、混说及歌词识别等维度均达业界领先水平。 目前,三款 TTS 模型已在小米 MiMo 开放平台限时免费,开发者可通过 API 调用或 MiM,To Studio 快速体验;而 MiMo-V2.5-ASR模型权重与代码已完全开源,支持社区二次开发。 这一全栈语音能力的释放,标志着小米正从终端厂商向 AI 基础设施提供者延TS伸。当每个开发者都能低成本构建具备“导演级语音表现力”的智能体,下一代人机交互的想象空间,才真正被打开——未来,你的 AI 助手不仅能理解你的话,更能用你想要的声音,说出 可打动人心的回答。️ TTS发布 三大模型:声音从此“听你指挥”
ASR 开源:嘈杂真实场景下的“全能耳朵”
免费开放 + 开源,加速 Agent 生态落地
- 最近发表
- 随机阅读
-
- 游戏开发商Epic扩大与苹果纠纷:在英国起诉苹果垄断
- 舌尖上的AI
- 谷歌 AI 承包商裁员风波:200 多名员工因工作条件争议被解雇
- 标签: 科沃斯 添可 服务机器人 智能生活电器
- Adobe 招聘新趋势:AI 助力应聘者脱颖而出
- 诺贝尔奖得主称:AI正削弱“名校毕业生”的竞争力
- 爆料称OpenAI深度布局硬件:正联手多方研发“去应用化”AI手机
- 利用大数据和人工智能,解决英语语言教学问题
- IETF推出新标准草案:让机器识别网页AI内容成为可能
- 标签: 禾赛科技 激光雷达 ADAS 机器人
- 标签: 动力电池
- 标签: 虎鲸文娱 优酷 大麦演出 樊路远
- 云计算核心技术Docker教程:Docker上ECS 集成 Compose 功能
- IBM已收购美国云计算公司Salesforce旗下咨询公司7Summits
- 聊聊为什么 IDL 只能扩展字段而非修改
- 甄嬛传钮钴禄是什么梗
- 标签: 三星电子 卢泰文 全永鉉 尹长贤
- 5分钟掌握手动优化机器学习模型超参数
- Poe推出排行榜功能,实时更新AI模型和热门应用受欢迎程度
- 标签: 上海网信办 小红书 哔哩哔哩 房地产
- 搜索
-
- 友情链接