Xiaomi MiMo Voice

小米 MiMo V2 TTS 语音合成。支持中文、英文及多种风格（情感、角色扮演、方言、语速控制等）。

Xiaomi MiMo Voice — 语音合成技能

通过小米 MiMo V2 TTS API 将文字转为自然流畅的语音。

前置条件

1. 安装依赖

bash

pip install requests

2. 配置 API Key

编辑 ~/.openclaw/openclaw.json，在 skills.entries 下添加：

json

{
  "skills": {
    "entries": {
      "xiaomi-mimo-voice": {
        "enabled": true,
        "env": {
          "MIMO_API_KEY": "your-api-key"
        }
      }
    }
  }
}

💡 也可以使用环境变量 export MIMO_API_KEY=xxx，但推荐用 Skill 级别配置，更整洁且仅对该 Skill 生效。

使用方式

bash

python3 <skill_dir>/scripts/tts.py --text "要合成的文字" --output audio.wav

参数

参数	说明	默认值
--text	要合成的文字（必填，可含风格标签）	—
--output	输出音频文件路径	output.wav
--voice	音色	mimo_default
--style	语音风格	—
--format	输出格式：wav / pcm16	wav
--user-text	用户侧消息（辅助上下文）	—

音色

音色	说明
mimo_default	默认音色
default_zh	中文优化
default_en	英文优化

风格列表

类别	风格
情感	Happy · Sad · Angry · Surprised · Fearful · Disgusted · Calm
语速	Speed up · Slow down
角色	Sun Wukong · Lin Daiyu · Zhang Fei · Guan Yu · Zhuge Liang
风格	Whisper · Clamped voice · Taiwanese accent
方言	Northeastern dialect · Sichuan dialect · Cantonese · Henan dialect
其他	唱歌 · Narration · Storytelling

示例

bash

# 基础合成
python3 scripts/tts.py --text "你好，世界！" --output hello.wav

# 情感风格
python3 scripts/tts.py --text "太开心了！" --style Happy --output happy.wav

# 角色扮演
python3 scripts/tts.py --text "俺老孙来也！" --style "Sun Wukong" --output wukong.wav

# 英文
python3 scripts/tts.py --text "Hello world!" --voice default_en --output hello_en.wav

# 方言
python3 scripts/tts.py --text "干啥呢老铁" --style "Northeastern dialect" --output dongbei.wav

# 播报
python3 scripts/tts.py --text "以下是今天的新闻摘要" --style Narration --output news.wav

输出格式

json

{
  "status": "success",
  "file": "output.wav",
  "size_kb": 128.5,
  "duration_sec": 5.2,
  "voice": "mimo_default",
  "style": "Happy",
  "text": "太开心了！"
}

故障排除

问题	原因	解决方案
未设置 MIMO_API_KEY	未配置 API Key	在 skills.entries.xiaomi-mimo-voice.env 中配置
API 返回异常	Key 无效或过期	检查 Key 是否正确
未获取到音频数据	文本被拒绝	检查文本内容
requests 超时	网络问题	检查网络连接
ImportError: requests	缺少依赖	pip install requests

技术细节

• 模型：mimo-v2-tts
• API：https://api.xiaomimimo.com/v1/chat/completions
• 采样率：24kHz（PCM16 格式）
• 风格标签格式：<style>风格</style> 放在文字开头

更新日志

v1.0.2 (2026-03-24)

• 配置方式统一为 Skill 级别 env（openclaw.json skills.entries）
• 修复依赖说明（openai → requests）
• 文档结构优化

v1.0.1 (2026-03-24)

• 移除 openclaw.json tools 自定义键配置
• API Key 改为环境变量读取

v1.0.0 (2026-03-24)

• 首次发布：中文/英文语音合成，支持情感/角色/方言等多种风格