🎙️ 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

bash

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.MIMOAPIKEY: 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
mimodefault	MiMo-默认
defaultzh

中文女声 | | default_en | 英文女声 |

风格控制

💡 格式：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

🎭 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

bash

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 defaulten --output helloen.wav

唱歌（必须加 ）

python3 tts.py --text 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 MIMOAPIKEY	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 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： 放在文字开头