xiaomi-tts

name	xiaomi-tts
description	Xiaomi MiMo TTS (语音合成)。基于 MiMo-v2 模型，支持预置音色、语速、音调、风格标签和多种响应格式。
metadata	{"openclaw":{"homepage":"https://github.com/yinzhenyu-su/skills/","requires":{"bins":["curl","base64","jq"],"env":["XIAOMI_MIMO_API_KEY"]}}}

Xiaomi MiMo TTS

小米 MiMo 语音合成（TTS）服务，基于先进的 MiMo-v2 模型，提供高质量的文字转语音功能。

安装与依赖

1. 基础工具：确保系统已安装 curl、base64 和 jq。
2. 脚本权限：确保 scripts/xiaomi-tts.sh 具有执行权限。

chmod +x scripts/xiaomi-tts.sh

配置

1. 获取 API Key：访问 小米 MiMo 开放平台 注册并获取 API Key。
2. 设置环境变量：为了安全，建议通过环境变量设置 API Key，或直接修改脚本。

export XIAOMI_MIMO_API_KEY="你的_API_KEY"

扩展配置

脚本支持将常用参数保存为默认值，避免每次调用时重复指定。

配置文件位置

层级	路径	优先级
项目级	{pwd}/.xiaomi-tts/EXTEND.md	高
用户级	~/.config/xiaomi-tts/EXTEND.md	低

保存配置

# 保存当前参数为默认值
./scripts/xiaomi-tts.sh --save-config --voice default_zh --speed 1.2 --pitch 2

# 保存风格配置
./scripts/xiaomi-tts.sh --save-config --style "东北话"

查看当前配置

./scripts/xiaomi-tts.sh --list-config

输出示例：

当前 xiaomi-tts 配置：

  --voice   = default_zh
  --speed   = 1.2
  --pitch   = 2
  --format  = mp3
  --model   = mimo-v2-tts
  --style   = 东北话

配置文件：
  用户级: /home/user/.config/xiaomi-tts/EXTEND.md

配置项说明

配置项	说明	可选值
default_voice	默认音色	default_zh, mimo_default, default_en
default_speed	默认语速	0.5 - 2.0
default_pitch	默认音调	-10 - 10
default_format	默认输出格式	mp3, wav, pcm
default_model	默认模型	mimo-v2-tts
default_style	默认风格标签	如 开心, 东北话, 粤语

配置优先级

1. CLI 参数 > 扩展配置 > 硬编码默认值
2. 项目级配置 > 用户级配置
3. 对风格控制而言，--style 会覆盖文本中手动写入的 <style>...</style> 标签。

EXTEND.md 格式示例

---
default_voice: default_zh
default_speed: 1.0
default_pitch: 0
default_format: mp3
default_model: mimo-v2-tts
default_style: ""
---

使用方法

命令行调用

./scripts/xiaomi-tts.sh [选项] "待合成文本" [输出路径]

核心参数

• 文本 (必填): 要转换的文字内容。
• 输出路径 (可选): 生成的音频文件路径，默认存放在 /tmp/tts_output.mp3。

进阶配置

脚本已支持以下高级参数：

参数	说明	可选值 / 范围
model	模型版本	mimo-v2-tts (默认)
voice	预置音色	default_zh (默认), mimo_default, default_en
speed	语速倍率	0.5 - 2.0 (默认 1.0)
pitch	音调偏移	-10 - 10 (默认 0)
style	风格控制	通过 --style "开心" 自动追加 <style>开心</style>，或手动写入文本开头
user_prompt	辅助提示	可选，作为 user 角色补充语气与上下文
response_format	响应格式	mp3 (默认), wav, pcm

示例

# 基础用法
./scripts/xiaomi-tts.sh "你好，欢迎使用小米语音合成。"

# 指定音色、格式与输出路径
./scripts/xiaomi-tts.sh --voice default_zh --format wav "正在生成测试音频" ./output/test.wav

# 自动追加整体风格标签
./scripts/xiaomi-tts.sh --style "开心" "明天就是周五了，真开心！"

# 提供可选的 user 角色提示
./scripts/xiaomi-tts.sh --user-prompt "请用温柔的晚安电台语气。" "今晚也辛苦了，早点休息。"

可选预置音色

使用时，可在 audio.voice 中设置预置音色。

音色名	voice 参数
MiMo-默认	mimo_default
MiMo-中文女声	default_zh
MiMo-英文女声	default_en

当前不支持音色克隆。

风格控制

整体风格控制

将 <style>style</style> 置于目标文本开头，其中 style 为需要生成的音频风格。如需设置多种风格，请将多个风格名称置于同一个 <style> 标签内，分隔符不限。

格式：<style>风格1 风格2</style>待合成内容

脚本支持两种用法：

• 直接把 <style>...</style> 写进文本开头。
• 使用 --style "风格1 风格2"，由脚本自动追加标签。

推荐风格示例：

风格类型	风格示例
语速控制	变快 / 变慢
情绪变化	开心 / 悲伤 / 生气
角色扮演	孙悟空 / 林黛玉
风格变化	悄悄话 / 夹子音 / 台湾腔
方言	东北话 / 四川话 / 河南话 / 粤语

示例：

<style>开心</style>明天就是周五了，真开心！
<style>东北话</style>哎呀妈呀，这天儿也忒冷了吧！你说这风，嗖嗖的，跟刀子似的，割脸啊！
<style>粤语</style>呢个真係好正啊！食过一次就唔会忘记！

音频标签细粒度控制

通过音频标签，可以对声音进行更细粒度的控制，例如语气、情绪、停顿、呼吸声、咳嗽和语速变化等。

示例：

（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）自我介绍已经背了五十遍了，应该没问题的。加油，你可以的……（小声）哎呀，领带歪没歪？
（极其疲惫，有气无力）师傅……到地方了叫我一声……（长叹一口气）我先眯一会儿，这班加得我魂儿都要散了。
如果我当时……（沉默片刻）哪怕再坚持一秒钟，结果是不是就不一样了？（苦笑）呵，没如果了。
（寒冷导致的急促呼吸）呼——呼——这、这大兴安岭的雪……（咳嗽）简直能把人骨头冻透了……别、别停下，走，快走。
（提高音量喊话）大姐！这鱼新鲜着呢！早上刚捞上来的！哎！那个谁，别乱翻，压坏了你赔啊？！

注意事项

• 语音合成的目标文本需填写在 assistant 角色的消息中，不可放在 user 角色中。
• user 角色消息为可选参数，但建议按场景提供，可辅助调整整体语气与风格。
• 手动指定整体语音风格时，需将 <style>...</style> 放在目标文本最开头；若使用 --style 参数则由脚本自动处理。
• 如需体验更佳的唱歌风格，必须在文本最开头仅添加 <style>唱歌</style>，格式为 <style>唱歌</style>目标文本。

风格控制调用示例

# 手动写入 style 标签
./scripts/xiaomi-tts.sh "<style>开心</style>明天就是周五了，真开心！"

# 通过参数自动追加 style 标签
./scripts/xiaomi-tts.sh --style "东北话" "哎呀妈呀，这天儿也忒冷了吧！"

# 结合 user 提示与细粒度标签
./scripts/xiaomi-tts.sh \
  --user-prompt "请模拟夜间电台主持人的轻声讲述。" \
  "（小声）今晚的风有点凉，回家的路上记得把外套拉好。"

常见问题

• 401 Unauthorized: 请检查 API Key 是否正确配置。
• 429 Too Many Requests: 触发频率限制，请稍后再试或检查配额。
• 文本长度: 建议单次合成文本不超过 500 字以获得最佳体验。

相关链接

• 小米 MiMo 官方文档
• API 仪表盘