小米發布 MiMo-V2.5-TTS-Series 和 MiMo-V2.5-ASR，MiMo-V2.5-TTS-Series 支援將輸入文字自動轉換為自然流暢的語音輸出，也可以透過配置語音風格和音色等參數，產生自然生動的語音內容。
核心能力
- 開箱即用的內建語音：提供多種高品質的內建語音，無需額外配置即可快速使用。
- 語音設計與複製：支援透過文字描述進行語音設計，或根據音訊樣本複製任意語音。
- 多樣化的語音風格：支援控制語速、情緒、角色扮演、方言和其他風格，以實現更生動自然的語音表達。
MiMo-V2.5-TTS 支援三款系列型號
- MiMo-V2.5-TTS
- MiMo-V2.5-TTS-VoiceDesign
- MiMo-V2.5-TTS-VoiceClone
MiMo-V2.5-ASR 支援中英雙語識別、多種漢語方言、語碼轉換、歌詞轉寫、知識密集型內容、噪音環境、多說話人場景以及其他具有挑戰性的聲學條件。
主要特點
- 中文方言：原生支援吳語、粵語、閩南語、四川語等多種方言
- 代碼切換：無需語言標籤即可實現無縫的中英代碼切換轉錄
- 歌曲辨識：高精準度中英文歌曲歌詞轉錄，即使伴奏和人聲混合也能識別
- 嘈雜環境：在強噪音、遠場採集和其他不利聲學條件下仍能實現穩健的識別
- 多人對話：準確轉錄重疊的、多人參與的對話，例如會議
- 複雜英語場景：在 Open ASR 排行榜上，針對 AMI 等具有挑戰性的英語基準測試，表現領先。
- 知識密集內容：精確辨識古典詩、專業術語、人名、地名及其他知識密集資料
- 原生標點：標點符號根據韻律和語義原生生成，無需後期處理即可提供可直接使用的轉錄文本
Picture Source
Xiaomi
留言
張貼留言