模型发布

小米发布 MiMo-V2.5-TTS 系列与 ASR,覆盖语音合成与识别

原文标题:MiMo-V2.5-TTS-Series + ASR 正式发布

AI 摘要

小米正式发布 MiMo-V2.5-TTS Series 与 MiMo-V2.5-ASR,覆盖语音识别与合成两大能力。TTS 系列含三款模型,支持风格指令遵循与音频标签控制,其中 VoiceDesign 可零参考音频生成新音色,VoiceClone 仅需数秒参考音频即可复刻音色;ASR 在中英双语、中文方言、强噪音等场景达业界领先水平。

关键信息

  • 小米正式发布 MiMo-V2.
  • 5-TTS Series 与 MiMo-V2.
  • 5-ASR,覆盖语音识别与合成两大能力。
  • TTS 系列含三款模型,支持风格指令遵循与音频标签控制,其中 VoiceDesign 可零参考音频生成新音色,VoiceClone 仅需数秒参考音频即可复刻音色
  • ASR 在中英双语、中文方言、强噪音等场景达业界领先水平

速览

发布时间
更新时间
来源
公众号:小米 MiMo
分类
模型发布
AI 评分
83
阅读原文 前往信息源阅读完整正文
推荐理由

把角色演出指令从参数模板简化为导演笔记式的自然语言,对有声剧和游戏NPC等依赖声音塑造的场景,定制成本与表现自由度可能同时改善。

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:小米发布 MiMo-V2.5-TTS 系列与 ASR,覆盖语音合成与识别。2026年4月24日。https://new.nat6.net/news/cmsdu2j0400yorofzawxe8dom/

查看全部 →
  • GPT-5.5正式发布

    OpenAI推出迄今最智能的GPT-5.5模型,其速度更快、能力更强,专为处理跨工具的复杂任务而构建。该模型在编程、学术研究与数据分析等领域表现出显著提升,能够高效整合多工具工作流,旨在应对更高阶的专业需求。

    OpenAI:官网动态(RSS · 排除企业/客户案例)模型发布AI 评分 90

  • 未来的标志:GPT-5.5

    OpenAI 发布了新一代模型 GPT-5.5。其上下文窗口从 GPT-5 的 128K 大幅扩展至 512K,推理速度提升约 40%,在多模态理解与代码生成基准测试中表现显著超越前代。模型在复杂指令遵循和长文档处理方面能力突出,同时 A…

    Ethan Mollick:One Useful Thing(RSS)模型发布AI 评分 77

  • 混元迄今最智能的模型:腾讯发布并开源 Hy3 preview 语言模型

    腾讯发布并开源其混元系列迄今最智能的Hy3 preview语言模型。该模型采用快慢思考融合的混合专家架构,总参数达2950亿,最大支持256K上下文长度。作为基础设施重建后首个模型,其在复杂推理、指令遵循、代码等能力上实现大幅提升,已应用…

    IT之家·人工智能模型发布AI 评分 70

  • DeepSeek-V4:智能体可实际使用的百万token上下文

    DeepSeek发布新一代模型DeepSeek-V4,其核心突破在于实现了长达百万token的上下文窗口,并确保智能体能够有效利用这一扩展的上下文能力。该模型延续了通过开源与开放科学推动人工智能发展与普及的使命,标志着大模型在长上下文理解…

    Hugging Face 社区博客(混合发现)模型发布AI 评分 78