🎙️ 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
# 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：
（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
# 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