MiMo-V2.5-ASR 语音识别 / Speech Recognition (中文/English)
通过小米官方 Gradio 免费 API 调用语音识别模型，无需本地模型、无需 API Key。 Transcribe audio via Xiaomi's free public Gradio API — no local model, no API key needed.
为什么选这个？/ Why This One?
比起安装 4GB 本地模型 + mimo-audio 包，这个版本：
- ✅ 零依赖（只需要
requests） - ✅ 零配置（不需要下载任何东西）
- ✅ 免费无限调用
- ✅ 支持中文/英文/自动检测
- ❌ 需要网络（音频传云端处理）
快速开始 / Quick Start
# 安装唯一依赖 / Install the only dependency
pip install requests
# 自动语言检测 / Auto language detection
python scripts/mimo_asr_api.py recording.wav
# 指定中文 / Specify Chinese
python scripts/mimo_asr_api.py speech.mp3 --language zh
# 指定英文 / Specify English
python scripts/mimo_asr_api.py lecture.wav --language en
# 输出到文件 / Output to file
python scripts/mimo_asr_api.py meeting.wav --output transcript.txt
参数 / Parameters
| 参数 | 说明 | 默认值 |
|---|---|---|
audio |
音频文件路径（wav/mp3/m4a 等） | 必填 |
--language |
语言：auto（自动）、zh（中文）、en（英文） |
auto |
--output |
输出文本文件路径（可选） | 打印到终端 |
示例 / Examples
# 🪟 Windows
python scripts/mimo_asr_api.py C:\Users\abc15\Desktop\录音.wav --language zh --output output.txt
# 🍎 macOS / 🐧 Linux
python scripts/mimo_asr_api.py ~/Desktop/meeting.mp3 --language auto
API 内部原理 / How It Works
该脚本通过 Gradio API 调用 HuggingFace 上的小米官方空间： The script calls Xiaomi's official HuggingFace space via the Gradio API:
https://xiaomimimo-mimo-v2-5-asr.hf.space
步骤 / Steps:
- 上传音频 →
/gradio_api/upload - 启动推理 →
/gradio_api/call/infer（传音频 URL + 语言标签） - 轮询结果 → 获取转录文本
支持的文件格式 / Supported Formats
WAV、MP3、M4A、FLAC、OGG 等主流音频格式。 WAV, MP3, M4A, FLAC, OGG and common audio formats.
注意事项 / Notes
- 大文件处理时间较长 / Large files take longer
- 需网络连接 / Internet connection required
- 不需要 MIMO API Key / No MIMO_API_KEY needed
- 免费使用 / Free to use