小米发布 MiMo-V2.5-ASR 语音模型，复杂场景识别达业界领先

小米今日推出 MiMo-V2.5-ASR 语音模型，作为全链路语音听觉基座，该模型在方言、双语、强噪音及多人对话等复杂场景下均达到业界领先水平。模型支持粤语、吴语、闽南语、四川话等中文方言，并能实现中英文自由混转，无需预设语种。

在技术细节上，MiMo-V2.5-ASR 具备高精度歌曲识别、强噪音环境鲁棒识别及多人交叉对话准确转录能力。此外，模型还能精准识别古诗词、专业术语和人名地名，并直接输出原生标点，提升转写即用效率。

该模型已开放 API，定价按音频转写时长计费：中国国内为 0.5 元/小时，海外为 0.074 美元/小时。开发者可通过小米官方文档接入使用。