使用小米 MiMo TTS(mimo-v2-tts 模型)将文本生成语音音频(WAV),支持预设音色(mimo_default、default_zh、default_en),支持风格控制...
MiMo TTS — 语音合成是一项面向实际任务的技能,主要用于第一次设置;如果未配置 MIMO API KEY , 技能无法运行;
该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
若未配置 MIMO_API_KEY,该技能将无法运行。请引导用户完成以下步骤:
openclaw config set skills.entries.mimo-tts.apiKey "your-api-key-here"
或直接设置环境变量 MIMO_API_KEY。
完成配置后,用户需重启应用或开启新会话。
使用 scripts/tts.py 将文本合成为音频:
python3 "{baseDir}/scripts/tts.py" "要合成的文本" -o output.wav
| 参数 | 默认值 | 说明 |
|---|---|---|
-o |
output.wav |
输出文件路径 |
-v |
mimo_default |
发音人:可选 mimo_default、default_zh、default_en |
-s |
(无默认值) | 风格标签,例如 开心、东北话、悄悄话、孙悟空 |
-f |
wav |
音频格式 |
--user-msg |
(无默认值) | 可选的用户角色上下文,用于调节语气 |
--api-key |
取自环境变量 MIMO_API_KEY |
覆盖使用的 API 密钥 |
# 基础用法
python3 "{baseDir}/scripts/tts.py" "你好,今天天气真好" -o hello.wav
# 方言风格
python3 "{baseDir}/scripts/tts.py" "哎呀妈呀,这天儿也忒冷了吧" -s "东北话" -o dongbei.wav
# 英文发音人
python3 "{baseDir}/scripts/tts.py" "Hello, how are you today?" -v default_en -o hello_en.wav
# 情感 + 语速调整
python3 "{baseDir}/scripts/tts.py" "明天就是周五了,真开心!" -s "开心 变快" -o happy.wav
设置整体风格。(紧张)、(小声)、(语速加快)、(深呼吸)、(苦笑)、(沉默片刻)。text。lyrics。| 名称 | voice 参数 |
|---|---|
| MiMo-默认 | mimo_default |
| MiMo-中文女声 | default_zh |
| MiMo-英文女声 | default_en |
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.6万人学习
最新文章