小米发布MiMo-V2.5-TTS/ASR语音大模型：通过自然语言指令调度声音…

发布日期：2026-05-06 00:14    点击次数：166

凤凰网科技讯 4月24日，继前一日MiMo-V2.5系列大模型公测后，小米技术团队今日再次加码，正式发布MiMo-V2.5-TTS系列与MiMo-V2.5-ASR，补齐语音输入与输出全链路。

其中，TTS系列包含三款模型，均支持通过自然语言指令精细调度声音表现。MiMo-V2.5-TTS：内置多款精品音色，开箱即用，支持语速、情绪控制。MiMo-V2.5-TTS-VoiceDesign：支持一句话从零生成全新音色，无需参考音频。MiMo-V2.5-TTS-VoiceClone：数秒参考音频即可高保真复刻目标音色，并保留原有风格指令控制能力。官方演示显示，模型能遵循“尖锐刻薄、狐假虎威”等复杂指令，并支持在文本中插入音频标签进行精细化控制。

作为听觉基座，MiMo-V2.5-ASR今日正式开源（包括模型权重与代码）。该模型面向复杂真实场景，支持吴语、粤语等中文方言，以及中英文混说、强噪音、多人对话等场景，并原生输出标点符号，转写结果即拿即用。

目前，TTS系列已在MiMo Studio开放快速体验，ASR代码与权重可在GitHub和HuggingFace获取。小米预告，下一步将向通用音频生成（音效、音乐）及更强的上下文理解能力扩展。



热点资讯

发改委最新发声！建设算力网 市场力量将起决定性作用

6月18日，国家发展改革委（下称“发改委”）举行6月例行新闻发布会。本场发布会上，国家发展改革委政策研究室副主任、委新闻发言人李超重点介绍了算力网、新型电网、新一代通信以及物流网的布局进展，全国统一电力市场体系建设以及“两新”政策最新落地情况。 李超在会上强调，把中国的产业竞争力简单归因于“补贴”，不仅过于片面，而且完全错误。中国的现代化产业体系是在长期实践中不断摸索、总结、提升而发展起来的。中国的产业竞争力，是多方面因素共同作用的结果。 来看本场发布会六大要点： 1、截至到今年3月底，我国已...

推荐资讯