MiMo TTS Studio

基于小米 MiMo-V2.5-TTS 系列模型和 Confucius4-TTS 的语音合成应用，提供 Web 版（Gradio）和 Android 原生版。

功能

预置音色（mimo-v2.5-tts）

• 9 种内置音色：mimo_default、冰糖、茉莉、苏打、白桦、Mia、Chloe、Milo、Dean
• 支持风格指令控制（语速、情绪、角色扮演等）
• 输出格式：mp3 / wav

音色克隆

支持两个后端引擎：

• MiMo VoiceClone（mimo-v2.5-tts-voiceclone）— 上传参考音频，自动转换为 24kHz WAV 后克隆音色
• Confucius4-TTS — 支持 14 种语言（中/英/日/韩/德/法/泰/印尼/越南/西/葡/意/俄/马来）

音色设计（mimo-v2.5-tts-voicedesign）

• 通过自然语言描述生成任意音色
• 支持智能文本优化（optimize_text_preview）

Web 版（Gradio）

1. 配置

cp .env.example .env

编辑 .env：

MIMO_API_KEY=your_api_key_here    # MiMo API Key（必填）
APP_PASSWORD=your_password         # 访问密码（可选，为空则无密码）

API Key 可在 MiMo 开放平台 控制台获取。

Confucius4-TTS 后端无需 API Key，直接调用公开服务。

2. 启动

使用 uv（推荐）

# 安装 uv（如未安装）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 创建虚拟环境并安装依赖
uv venv
uv pip install -r requirements.txt

# 激活虚拟环境并运行
source .venv/bin/activate
python app.py

使用 pip

pip install -r requirements.txt
python app.py

浏览器访问 http://127.0.0.1:7860。

需要系统安装 ffmpeg：sudo apt install ffmpeg（Ubuntu）或 brew install ffmpeg（macOS）

Android 版

原生 Android 应用，最低支持 Android 9.0（API 28），功能与 Web 版一致。

下载

从 Releases 下载最新 APK（mimo-tts-v*.apk）。

构建

通过 GitHub Actions 自动打包：

1. Fork 或 clone 本仓库
2. 在 GitHub 仓库 Settings → Secrets → Actions 中添加 MIMO_API_KEY
3. 推送代码或在 Actions 页面手动触发构建
4. 构建完成后在 Releases 页面下载 APK

版本历史

版本	说明
v1.1.0	默认 mp3 格式、音频自动转换为 24kHz WAV、非流式合成
v1.0.0	初始版本

API 参考

模型	Endpoint	认证
mimo-v2.5-tts	https://api.xiaomimimo.com/v1/chat/completions	API Key
mimo-v2.5-tts-voiceclone	同上	API Key
mimo-v2.5-tts-voicedesign	同上	API Key
Confucius4-TTS	https://confucius4-tts.youdao.com/gradio/	无需认证