Xiaomi AI 模型与 API

MiMo-V2.5-TTS Voicedesign 根据文字描述设计音色并合成语音，无需参考录音，适合原创角色、旁白和声音概念探索。

MiMo-V2.5-TTS Voiceclone 依据参考录音合成新的语音内容，适合延续已有说话人音色的旁白、课程与角色配音。

MiMo-V2.5-TTS 使用内置音色将正文合成为语音，支持风格指令、细致表演控制、唱歌模式和低延迟流式输出。

MiMo-V2.5-ASR 将录音转成文字，适合中英混说、中文方言、多人讨论和带伴奏歌词等语音识别场景。

MiMo-V2.6-Flash 兼顾多模态能力与处理效率，适合日常编程、影音资料分析和需要多轮反馈的工具工作流。

MiMo-V2.6-Pro 结合文字、图像、视频和音频理解任务，适合复杂编程、视觉智能体和需要持续推进的多步骤工作。

小米原生全模态推理模型，联合理解文字、图片、视频与音频，适合高频办公整理、内容分析、代码协作和工具辅助任务。

MiMo-V2.6-Pro 可结合文字、图片、视频与音频分析复杂问题，适合代码开发、界面排障和需要多轮工具协作的长流程任务。