AI 速览小米发布MiMo-V2.5全链路语音大模型,提供TTS和ASR能力,适合开发者、内容创作者及智能设备厂商。 核心事实 - 发布时间:2026年4月24日正式发布MiMo-V2.5-TTS系列与ASR模型 - TTS能力:推出标准版、VoiceDesign(一句话生成音色)、VoiceClone(小样本复刻)三款模型 - ASR能力:全面开源权重与代码,支持中英混合、多方言(粤语/吴语等)、强噪音环境及多说话人分离 - 开放政策:TTS API限时免费,ASR完全开源,提供MiMo Studio零代码测试 价值点 为AI Agent开发者和行业应用提供低成本、高可控的工业化语音解决方案,加速语音交互普及。
主体 (Subject):[你的核心主体,例如:一位穿着风衣的年轻女性 / 一款极简设计的智能手表],放置在 [具体的背景环境,例如:雨后的霓虹街头 / 纯白色的摄影棚] 中。 动作 (Action):主体正在 [具体的动作,例如:缓慢转身看向镜头 / 产品正在轻微旋转],动作 [节奏描述,例如:轻柔连贯 / 缓慢平稳]。 运镜 (Camera):使用 [镜头类型,例如:中景 / 特写],采用 [运镜方式,例如:缓慢推镜 / 环绕跟拍],机位 [机位状态,例如:平视 / 俯拍]。 风格 (Style):整体画面呈现 [艺术风格,例如:电影级质感 / 赛博朋克风 / 日系清新],采用 [光线类型,例如:柔和自然光 / 冷暖对比光影],分辨率为 [画质要求,例如:4K超高清 / 8K],画质细腻,色彩 [色调描述,例如:通透 / 高饱和]。 约束 (Constraints):画面稳定流畅,无抖动,无跳帧,无模糊,无变形,无多余肢体,五官清晰,动作自然不僵硬,严格遵循物理运动规律。