Model Price

Xiaomi 的 mimo-v2.6-flash 模型，支持文本、图像、视频、音频输入和文本输出。支持推理、工具调用、结构化输出。

Xiaomi 的 mimo-v2.6-pro 模型，支持文本、图像、视频、音频输入和文本输出。支持推理、工具调用、结构化输出。

无需参考音频，一句话描述即可生成全新音色。多维度语义理解，覆盖口音、年龄、气质与录音质感。

数秒参考音频，即可高保真复刻目标音色。无需训练或标注，克隆后仍可叠加风格指令与情绪标签。

精品音色语音合成，风格指令精准遵循。内联情绪标签逐字控制，零提示词捕捉角色气质。

中英双语 + 多方言语音识别，无需语言标签，自动识别语码混用中的各语言内容。支持歌词转写，适应强噪声等复杂声学场景。

Xiaomi 的 mimo-v2.5 模型，支持文本、音频、图像、视频输入和文本输出。支持推理、工具调用、结构化输出。

Xiaomi 的 mimo-v2.5-pro 模型，支持文本输入和文本输出。支持推理、工具调用、结构化输出。

Xiaomi 的 mimo-v2.6-flash 模型，支持文本、图像、视频、音频输入和文本输出。支持推理、工具调用、结构化输出。

Xiaomi 的 mimo-v2.6-pro 模型，支持文本、图像、视频、音频输入和文本输出。支持推理、工具调用、结构化输出。