MiMo TTS 语音合成#

快速使用#

bash

node scripts/xiaomi-tts.js "你好世界" --voice default_zh --style "夹子音" --output output.wav

需要设置 MIMO_API_KEY 环境变量，或通过 --api-key 参数传入。

可用音色#

音色voice 参数MiMo 默认mimo_default中文女声（默认）default_zh英文女声default_eh

风格控制#

在文本开头用 <style> 标签指定风格，支持叠加：

• 语速：变快 / 变慢
• 情绪：开心 / 悲伤 / 生气
• 角色：孙悟空 / 林黛玉
• 风格：悄悄话 / 夹子音 / 台湾腔
• 方言：东北话 / 四川话 / 河南话 / 粤语
• 唱歌： <style>唱歌</style>歌词内容

音频标签（细粒度控制）#

在文本中用中文括号标注情绪、动作等：

text

（紧张，深呼吸）呼……冷静，冷静
（语速加快，碎碎念）怎么办怎么办
（小声）哎呀，领带歪没歪？
（提高音量喊话）大姐！这鱼新鲜着呢！

注意事项#

• 合成文本放在 assistant 角色消息中
• <style> 标签必须在文本最前面
• 返回 base64 编码的 WAV 音频