MiMo TTS 语音合成
快速使用
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：
（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