Xiaomi MiMo Voice

该 Skill 通过 Python 脚本调用小米 MiMo V2 TTS 接口，把输入文字合成为语音并保存为音频文件，支持默认及中英文音色，以及情感、角色扮演、方言、语速等多种风格参数，并返回状态、文件大小和时长等 JSON 信息。使用前需安装 requests 并配置 MIMO_API_KEY。

luhuiwang

热度 45.00

最近更新 2026-05-11 17:35:46

分类：创作依赖：代码执行 / 读写文件 / 第三方 API应用场景：故事创作 / 视频编辑

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add xiaomi-mimo-voice

Metadata

name: xiaomi-mimo-voice
version: 1.0.2
description: 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）。
author: 小老弟
category: audio-generation
tags: ["tts","voice","audio","mimo","xiaomi"]

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

pip install requests

2. 配置 API Key

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

{
  "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

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

# 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

{
  "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