小米发布 MiMo-V2.5 语音大模型：自然语言调度声音表现更灵活

小米今日发布 MiMo-V2.5-TTS 系列与 MiMo-V2.5-ASR 语音模型，覆盖语音识别与合成两大核心能力，让语音输入输出可通过自然语言灵活调度。该系列面向 Agent 时代，旨在提升语音交互的智能性与创作性。

MiMo-V2.5-TTS 系列包含三款模型，现已登陆小米 MiMo 开放平台并限时免费。模型支持风格指令遵循、导演剧本级结构化输入及行内音频标签，能精准控制声音的情绪、语速等细节，即使纯文本也能呈现自然韵律与情感。

MiMo-V2.5-ASR 作为听觉基座，在中英双语、方言、强噪音等复杂场景表现领先，还开源了模型权重与代码，方便开发者二次开发。