小米 MiMo 拟真声音与克隆配置指南
小米 MiMo 是新一代拟真神经语音合成大模型。它突破了传统 TTS 机械呆板的发音缺陷，能够根据上下文产生极其自然的情感起伏、呼吸声与语调停顿，更拥有**自然语言声音设计（Voice Design）与零样本声音克隆（Voice Clone）**两大黑科技能力。
支持的核心模型与特性
在 DuRT 客户端中，MiMo 服务支持三种强大的模型模式：
| 模型标识 | 核心能力 | 特色说明 |
|---|---|---|
mimo-v2.5-tts | 官方预设拟真音色 | 内置多种高保真男女声预设，兼顾自然度与极速推流 |
mimo-v2.5-tts-voicedesign | Voice Design (声音设计) | 用一段自然语言 Prompt 描述你想要的声音（如“年轻活泼的科技博主，语气轻快干练”），模型将实时现场生成该音色 |
mimo-v2.5-tts-voiceclone | Voice Clone (声音克隆) | 上传仅 5~10 秒的参考人声音频，即可近乎完美复刻目标音色进行全文朗读 |
获取小米 MiMo 接入凭证
- 访问 小米 MiMo 官方平台 (api.xiaomimimo.com)；
- 注册账号并登录控制台；
- 在账户与密钥管理中创建并获取您的 API Key；
- 复制生成的密钥字符串。
在 DuRT 中配置与使用
- 打开 DuRT 客户端，进入 设置 (Settings) ➔ AI 引擎与能力 (AI Capabilities) ➔ 点击 语音合成 (Text to Speech) 面板；
- 点击右上角 “添加服务” ➔ 在列表中选择 MiMo (小米神经语音)；
- 填入接入参数：
- API Key：粘贴您在 MiMo 平台获取的密钥；
- API 地址 (Base URL)：保持默认
https://api.xiaomimimo.com/v1；
- 选择您想要的主力模型（如
mimo-v2.5-tts或mimo-v2.5-tts-voicedesign）； - 点击 “测试连接”，通过后保存即可。
在工作流与配音中使用
配置完成后，您可以在 DAG 工作流中插入 textToSpeech 步骤节点，并指定引擎为 MiMo。工作流将自动把识别出的文本或翻译后的多语言字幕，分句并发合成为高品质音频，无缝嵌入您的视频制作链路！