{主关键词}

-TTS-VoiceDesign:支持一句话从零生成全新音色,无需参考音频。MiMo-V2.5-TTS-VoiceClone:数秒参考音频即可高保真复刻目标音色,并保留原有风格指令控制能力。官方演示显示,模型能遵循“尖锐刻薄、狐假虎威”等复杂指令,并支持在文本中插入音频标签进行精细化控制。作为听觉基座,MiMo-V2.5-ASR今日正式开源(包括模型权重与代码)。该模型面向复杂真实场景,支持吴语、
,TTS系列已在MiMo Studio开放快速体验,ASR代码与权重可在GitHub和HuggingFace获取。小米预告,下一步将向通用音频生成(音效、音乐)及更强的上下文理解能力扩展。
当前文章:http://bbcpp.yueduge.cn/jd0/bb8rw0.html
发布时间:05:14:53
蜘蛛资讯网热门国内