mimo-tts-wav — mimo 文本转语音 wav
v2.5小米 MiMo-V2.5-TTS 语音合成工具。将文本合成为 WAV 音频文件，支持预置音色、语音设计、音色克隆。使用 OpenAI SDK 调用 mimo-v2.5-tts / mimo-v2.5-tts-voicedesign / mimo-v2.5-tts-voiceclone 模型。需要设置 MIMO_API_KEY 环境变量。当用户需要进行文本转语音、生成 WAV 文件、制作配音、有声书或语音消息时使用。
by 运行时依赖
安装命令
点击复制技能文档
MiMo TTS WAV 语音合成 调用小米 MiMo-V2.5-TTS 系列的 OpenAI 兼容 API，将文本合成为 WAV 音频文件。
前置条件 环境变量 MIMO_API_KEY 已设置（从 xiaomimimo.com 获取） Python 依赖：openai, numpy, soundfile（如用流式）
使用方式 快速合成（非流式）
import os
from openai import OpenAI
import base64
client = OpenAI(
api_key=os.environ["MIMO_API_KEY"],
base_url="https://api.xiaomimimo.com/v1"
)
completion = client.chat.completions.create(
model="mimo-v2.5-tts",
messages=[
{"role": "user", "content": "用轻快活泼的语气读出这段文字"},
{"role": "assistant", "content": "你好，欢迎收听今天的节目。"}
],
audio={
"format": "wav",
"voice": "冰糖" # 预置音色
}
)
audio_bytes = base64.b64decode(completion.choices[0].message.audio.data)
with open("output.wav", "wb") as f:
f.write(audio_bytes)
可用模型 Model ID 功能 mimo-v2.5-tts 预置音色合成（支持唱歌） mimo-v2.5-tts-voicedesign 文本描述定制音色 mimo-v2.5-tts-voiceclone 音频样本复刻音色
预置音色（mimo-v2.5-tts） mimo_default（中国集群=冰糖，海外集群=Mia） 冰糖（中文女声） 茉莉（中文女声） 苏打（中文男声） 白桦（中文男声） Mia（英文女声） Chloe（英文女声） Milo（英文男声） Dean（英文男声）
风格控制 两种方式（二选一）： 自然语言控制 → 写在 role: user 的 content 中 音频标签控制 → 在 role: assistant 的 content 中嵌入 (风格) 和 [音频标签] 见 references/style-guide.md 获取详细风格标签列表。
脚本 scripts/tts_simple.py — 单次非流式合成 WAV scripts/tts_with_style.py — 带风格控制的合成示例 scripts/tts_stream.py — 流式合成并拼接 WAV 运行方式：python scripts/tts_simple.py "要合成的文本"