Xiaomi MiMo TTS

Xiaoma MiMo TTS 📁 目录结构 scripts/ ├── mimo-tts.sh # 基础版本统一入口 ├── mimo-tts-smart.sh # 智能版本统一入口 ├── base/ # 基础版本实现 │ ├── mimo-tts.sh # Shell 基础版 │ ├── mimo_tts.js # NodeJS 基础版 │ └── mimo_tts.py # Python 基础版 ├── smart/ # 智能版本实现 │ ├── mimo_tts_smart.js # NodeJS 智能版 │ ├── mimo_tts_smart.py # Python 智能版 │ └── mimo_tts_smart.sh # Shell 智能版 ├── utils/ # 工具脚本 │ └── test.sh # 测试脚本 └── examples/ # 示例脚本 └── demo.sh # 演示脚本

✨ 核心能力

根据对话场景，智能选择最合适的语音风格！

作为 代理，你应该主动理解对话内容，选择合适的：

情感：开心、悲伤、紧张、愤怒、惊讶、温柔... 方言：东北话、四川话、台湾腔、粤语... 效果：悄悄话、夹子音、唱歌... 语速：快、慢、正常 使用方式 基础用法 ./scripts/mimo-tts.sh "文本" [输出文件]

带风格标签 # 在文本前加 今天真是太棒了！" "老铁，咋整啊？" "这是秘密哦..."

可用风格 类型 示例 情感 开心、悲伤、紧张、愤怒、惊讶、温柔 方言 东北话、四川话、台湾腔、粤语、河南话 效果 悄悄话、夹子音、唱歌 语速 变快、变慢 情感标签（细粒度控制）

在文本中使用 () 添加情感：

"（紧张，深呼吸）呼……冷静，冷静" "（咳嗽）咳咳，不好意思" "（沉默片刻）……然后呢？"

代理 职责

你应该主动判断对话场景，选择合适的风格！

判断原则 默认使用普通话，除非用户明显使用方言或有特别要求 根据内容选择情感： 好消息 → 开心 坏消息/安慰 → 温柔、悲伤 紧急情况 → 紧张、急促 正式通知 → 严肃 根据场景选择效果： 私密内容 → 悄悄话 朗读诗词 → 温柔、慢 讲故事 → 根据角色变化 示例

用户说："给我读首李白的诗" → 判断：诗词应温柔、舒缓 → 生成："床前明月光..."

用户说："用东北话给我讲个笑话" → 判断：明确要求方言 → 生成："那个啥..."

用户说："宝宝晚安" → 判断：亲密、温柔场景 → 生成："晚安，好梦哦～"

可用语音 语音 参数 默认 mimo_default 中文女声 default_zh 英文女声 default_eh 智能模式（说明与使用建议）

本项目提供“智能模式”（位于 scripts/mimo-tts-smart.sh 与 scripts/smart/ 下），它使用轻量的启发式与关键词检测来自动为文本选择合适的风格、方言与情感。该模式设计用于快速试验与交互式体验，而非对每种语境都保证高精度。

建议与行为：

默认不在自动化流水线中启用智能模式。将其视为可选的便捷工具，需由 代理 或用户显式调用。 若对输出准确性有较高要求，请在输入文本最前面使用 明确指定风格与方言。 智能模式适合快速原型、演示与人机协作场景；不适合替代人工细致调整或用于对准确性敏感的生产流程。

调用示例：

# 显式启用智能模式（代理 或用户调用） ./scripts/mimo-tts-smart.sh "宝宝晚安，爱你哦～" 输出.ogg

# 若要手动覆盖智能判断，直接在文本前使用 style 标签 ./scripts/mimo-tts.sh "床前明月光..." out.ogg

使用方式 基础用法 ./scripts/mimo-tts.sh "文本" [输出文件]

带风格标签 # 在文本前加 今天真是太棒了！" "老铁，咋整啊？" "这是秘密哦..."

可用风格 类型 示例 情感 开心、悲伤、紧张、愤怒、惊讶、温柔 方言 东北话、四川话、台湾腔、粤语、河南话 效果 悄悄话、夹子音、唱歌 语速 变快、变慢 情感标签（细粒度控制）

在文本中使用 () 添加情感：

"（紧张，深呼吸）呼……冷静，冷静" "（咳嗽）咳咳，不好意思" "（沉默片刻）……然后呢？"

代理 职责

你应该主动判断对话场景，选择合适的风格！

判断原则 默认使用普通话，除非用户明显使用方言或有特别要求 根据内容选择情感： 好消息 → 开心 坏消息/安慰 → 温柔、悲伤 紧急情况 → 紧张、急促 正式通知 → 严肃 根据场景选择效果： 私密内容 → 悄悄话 朗读诗词 → 温柔、慢 讲故事 → 根据角色变化 示例

用户说："给我读首李白的诗" → 判断：诗词应温柔、舒缓 → 生成："床前明月光..."

用户说："用东北话给我讲个笑话" → 判断：明确要求方言 → 生成："那个啥..."

用户说："宝宝晚安" → 判断：亲密、温柔场景 → 生成："晚安，好梦哦～"

可用语音 语音 参数 默认 mimo_default 中文女声 default_zh 英文女声 default_eh 🤖 智能版本 (多语言支持)

我们提供了多种智能脚本实现，可以自动分析文本内容并选择合适的风格：

🎯 实现支持 版本 文件 特点 统一入口 mimo-tts-smart.sh 自动选择最佳实现，优先NodeJS→Python→Shell NodeJS 版 mimo_tts_smart.js 功能最完善，智能分析最准确 Python 版 mimo_tts_smart.py 功能完整，备用方案 Shell 版 mimo_tts_smart.sh 简化版，兼容性好 功能特点

自动分析：

检测情感关键词（开心、悲伤、紧张、愤怒、惊讶、温柔） 识别方言特征（东北话、四川话、台湾腔、粤语） 判断特殊效果（悄悄话、夹子音、唱歌） 检测诗词格式（多行短句自动识别）