2026 年 3 月 19 日，小米正式发布MiMo-V2-TTS大模型。作为语音合成领域的最新成果，MiMo-V2-TTS 在情感表达、方言支持、歌声合成等方面实现了质的飞跃，为智能语音交互带来全新的可能性。这款大模型的发布，标志着小米在 AI 语音技术领域的深度布局，也为用户提供了更加自然、智能的语音交互体验。
一、情感大师：从整体定调到局部情绪精准调节
MiMo-V2-TTS 在情感表达方面实现了重大突破，支持从整体定调到局部情绪的精准调节，让语音合成更加自然、富有感染力。
整体定调控制：用户可设定整体语音的情感基调，如开心、悲伤、愤怒、惊讶等。模型能够准确理解并还原指定情感，使合成语音具有统一的情感色彩。这一功能在有声书朗读、客服对话等场景中尤为实用。
局部情绪调节：MiMo-V2-TTS 支持在单句话内实现情绪变化，例如前半句平静、后半句激动。这种细粒度的情绪控制能力，使合成语音更接近真人表达，大幅提升了语音交互的自然度和感染力。
多场景适配：无论是客服对话、有声书朗读还是虚拟助手，MiMo-V2-TTS 都能根据场景需求自动调整情感表达，提供自然流畅的语音交互体验。模型能够智能识别上下文，动态调整情感强度，确保语音输出与场景完美匹配。
二、跨界歌者：高质量歌声合成能力
MiMo-V2-TTS 不仅擅长语音合成，还具备高质量的歌声合成能力，能够准确表达音高与节奏，为音乐创作提供新的技术工具。
音高精准控制：模型能够准确还原乐谱中的音高信息，支持多个八度的音域范围。无论是低音还是高音，MiMo-V2-TTS 都能保持稳定、准确的音高表现，满足专业音乐制作的需求。
节奏表达能力：MiMo-V2-TTS 支持复杂的节奏模式，能够准确表达切分音、连音、休止符等音乐元素。这使得合成歌声更具音乐性和表现力，能够胜任多种音乐风格的演绎。
多风格支持：从流行、摇滚到民谣、古典，MiMo-V2-TTS 支持多种音乐风格的歌声合成。用户可根据创作需求选择合适的演唱风格，快速生成 Demo 或完整作品，大幅降低音乐创作门槛。
三、方言达人：多种方言与角色化演绎
MiMo-V2-TTS 支持多种方言，并能进行角色化、风格化的演绎，为地域化内容创作和个性化语音交互提供强大支持。
方言支持：MiMo-V2-TTS 支持粤语、四川话、上海话、闽南语等多种方言。无论是日常对话还是专业内容，模型都能准确还原方言的语音特色和语调特点，让方言用户也能享受自然的 AI 语音交互。
角色化演绎：用户可设定不同角色，如老人、儿童、男性、女性等，模型会根据角色特征调整音色、语速和表达方式。这使得 MiMo-V2-TTS 适用于广播剧、动画配音等场景，为内容创作者提供丰富的声音选择。
风格化表达：除了基础方言和角色，MiMo-V2-TTS 还支持风格化演绎，如新闻播报、讲故事、脱口秀等。用户可根据内容类型选择合适的表达风格，提升内容吸引力和传播效果。
