Xiaomi-MiMo-V2-TTS

小米 MiMo V2 TTS 文字转语音模型（官网目前免费）。支持中文/英文，内置情感风格（开心/悲伤/生气）、角色扮演（孙悟空/林黛玉）、方言（东北话/四川话/粤语/河南话）、语速控制及唱歌能力。mp3/opus 格式可直接发送至微信/飞书。 **配置（必需）**：在 openclaw.json 的 skills.entries.Xiaomi-MiMo-V2-TTS.env.MIMO_API_KEY 中设置 API Key。

🎙️ MiMo TTS — 快速上手

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

⚡ 快速开始

bash

# 安装依赖
pip install requests && apt install ffmpeg

# 配置 API Key（在 openclaw.json 中添加）
# "skills.entries.Xiaomi-MiMo-V2-TTS.env.MIMO_API_KEY": "your-key"

# 合成语音
python3 /root/.openclaw/skills/mimo-tts/scripts/tts.py --text "你好，世界！" --output hello.wav

---

📌 必知参数

参数	必填	说明
--text	✅	要合成的文字（单条模式）
--batch	—	批量模式：文本文件路径（每行一条）
--output	—	输出路径，默认 output.wav
--format	—	输出格式：wav(默认) / mp3 / pcm16 / opus

🎨 风格与音色

音色

voice 参数	说明
mimo_default	MiMo-默认
default_zh	中文女声
default_en	英文女声

风格控制

💡 格式：<style>风格1 风格2</style>待合成内容（风格标签放文字开头）

类型	可用风格
语速	变快、变慢
情绪	开心、悲伤、生气
方言	东北话、四川话、河南话、粤语
角色	孙悟空、林黛玉
风格	悄悄话、夹子音、台湾腔
其他	唱歌、叙事、讲故事

⚠️ 唱歌必须在文本最开头加 <style>唱歌</style>

🎭 音频标签（细粒度控制）

在文本中插入音频标签，可精准控制停顿、呼吸、语速变化等：

text

（紧张，深呼吸）呼……冷静，冷静。不就是一个面试吗……（语速加快，碎碎念）
（极其疲惫，有气无力）师傅……到地方了叫我一声……
（提高音量喊话）大姐！这鱼新鲜着呢！

---

💬 常用示例

bash

# 情感风格
python3 tts.py --text "明天就是周五了，真开心！" --style 开心 --output happy.wav

# 角色扮演
python3 tts.py --text "俺老孙来也！" --style 孙悟空 --output wukong.wav

# 方言
python3 tts.py --text "哎呀妈呀，这天儿也太冷了！" --style 东北话 --output dongbei.wav

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

# 唱歌（必须加 <style>唱歌</style>）
python3 tts.py --text "<style>唱歌</style>原谅我这一生不羁放纵爱自由" --output song.wav

# 发微信/飞书 → 用 mp3 或 opus 格式
python3 tts.py --text "你好呀" --format opus --output hello.opus

# 多风格组合
python3 tts.py --text "好开心呀" --style "开心 四川话" --output happy_sichuan.opus

# 批量合成
python3 tts.py --batch texts.txt --output-dir ./voices --format opus

---

📋 参数完整列表

参数	说明	默认值
--text	要合成的文字	—
--batch	批量模式：文本文件路径	—
--output	输出文件路径	output.wav
--output-dir	输出目录（批量模式）	./voices
--voice	音色	mimo_default
--style	语音风格（可多次指定组合）	—
--format	输出格式	wav
--user-text	用户侧消息（辅助上下文）	—

---

❌ 常见问题

问题	解决
未设置 MIMO_API_KEY	在 openclaw.json 的 skills.entries.Xiaomi-MiMo-V2-TTS.env 中配置
API 返回异常	Key 无效或过期
ImportError: requests	pip install requests
ffmpeg 未安装	apt install ffmpeg
唱歌风格无效	必须加 <style>唱歌</style> 在文本最开头

---

🔧 技术细节

• 模型：mimo-v2-tts
• API：https://api.xiaomimimo.com/v1/chat/completions
• 采样率：24kHz
• 自动重试：失败自动重试 3 次（间隔 2 秒）
• 风格标签： <style>风格</style> 放在文字开头