全部标签

Agent语音

Xiaomi MiMo-V2-TTS：小米语音合成大模型，自然语言控制情感风格，支持方言、角色扮演与歌声合成

Xiaomi MiMo-V2-TTS 是小米自研的语音合成大模型，基于自研 Audio Tokenizer 和多码本语音-文本联合建模架构，经超亿小时语音数据预训练与多维度强化学习。支持自然语言指令定制说话风格、多粒度情感控制、非语言声学事件生成（咳嗽、叹气、笑声）、方言、角色扮演，以及说话与唱歌统一模型，现已开放 API 接入。
AI模型
- 6.2k
- 0
AIHub3月19日