白鹿摘了姚译添眼镜给自己戴

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表现_蜘蛛资讯网

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

n April 13, 2025, foreign tourists visit the Forbidden City in Beijing. Photo by Jia Tianyong, China News Service    On social media, videos of foreigners sharing their experiences

2.5-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

当前文章：http://bvbxem2.nuocenqiu.cn/p3v/r9rfj9.html

发布时间：02:34:29