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。 MiM路语o-V2.5-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,大幅降低音色创作音大门槛。 MiMo-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,适用于虚拟主播模型、个性化助手等场景。 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 M更新却协同输出,确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iM感编排;即便输入纯文本无任何提示,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-o-ASR则聚焦“听得清、听得准”: 在多项权威评测中,该模型.5在中英文通用、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,T API 调用或 MiMo 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 AITS 基础设施提供者延伸。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 可能用你想要的声音,说出打动人心的回答。️ TTS 三发布大模型: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
-
- 赛力斯牵手字节跳动火山引擎,共推“具身智能”汽车产业升级
- 标签: iPhone 17e 小米汽车 智谱 苹果
- 苹果汽车:更高级还是更接地气?
- 标签: 豆包助手 一加Ace 6T 理想Livis 朱雀三号
- 苹果和谷歌研发的新冠联系人追踪程序“CA Notify”加州正式上线
- 标签: 刘文祥麻辣烫 山东品牌管理 食品安全 3152026
- 迪迦奥特曼有什么梗
- OpenAI CEO 奥尔特曼发布五大原则:致力于让 AGI 惠及全人类
- 苹果App Store和亚马逊AWS封杀社交网络平台Parler
- 京东云联合华为发布数据中心基础设施
- 谷歌宣布将于周四撤销政治广告临时禁令
- 云安全日报210519:Ubuntu Linux内核发现拒绝服务和特权提升漏洞,需要尽快升级
- 传统技术正在唤醒原生云
- 微信鸿蒙版迎来 8.0.17.16 版本升级,AI 音乐功能闪亮登场
- Canalys:2024年第二季度,中国大陆云服务支出增长8%
- 标签: 抖音 验证助手 反诈工具 老年用户
- 实现AGI,强化学习就够了?Sutton:奖励机制足够实现各种目标
- 阿里巴巴推出革命性语音识别模型FunAudio-ASR,降噪效果惊人
- 云安全日报210512:红帽OpenShift云应用平台发现特权提升访问控制漏洞,需要尽快升级
- YouTube 明星博主 MrBeast 忧心 AI 内容威胁创作者生存
- 搜索
-
- 友情链接