← 返回首页
技能

MiMo TTS V2.5 语音生成

tencent_skillhub · 1.0.0 · 下载量 875 · 热度分 50.5

产品介绍

基于小米 MiMo V2.5 TTS 模型的语音生成技能。将任意文本自动进行口语化改写、语气节奏处理后,转为高质量语音音频。支持多种预设音色、克隆自己的声音、或用文字描述生成全新音色。API 目前完全免费。 功能 文本自动口语化改写 + 语气节奏标注 自然填充词插入("嗯……""那个""你想啊") 长文自动分段 + 合并输出 8种预设音色(4中文 + 4英文) 自定义音色克隆(上传10-30秒录音) 文字描述生成新音色 风格指令自定义(播客/新闻/故事等) 预设音色 音色 风格 适合场景 茉莉 温柔女声 情感/生活/播客 冰糖 甜美活泼 轻松/娱乐 苏打 清爽男声 科技/知识科普 白桦 沉稳男声 深度/商业 Mia 英文女声 自然流畅 Chloe 英文女声 温暖亲切 Milo 英文男声 年轻活力 Dean 英文男声 低沉磁性 流程 Copy 触发 → 检查配置 │ ├─ 无配置 → 初始化(注册Key + 选音色) │ └─ 有配置 → 接收文本 │ ▼ 语气与节奏处理 (口语化/停顿/填充词) │ ▼ 自动分段(50-150字/段) │ ▼ 逐段调用 TTS API 生成音频 │ ▼ 合并片段(段间0.8秒停顿) │ ▼ 输出 WAV 文件 首次使用 注册免费 API Key:https://aistudio.xiaomimimo.com 选择音色(预设 / 克隆自己的声音 / 文字描述生成) 配置自动保存,后续无需重复 触发语示例 "把这段话转成语音" "帮我朗读这段文字" "生成播客音频" "用白桦的声音读一下" "TTS 这段内容" "换个声音"

资源信息

作者:user_cd81d5a2
分类:图文音视频多模态生成
版本:1.0.0
认证方式: 需要
是否付费: 官方未说明需申请 Key

许可证信息摘自官方源,可能过时或缺失。商用前请以原仓库的 LICENSE 文件为准。

标签
音频处理

信息边界说明

本页信息摘自官方文档,仅作技术信息呈现,不代表本站的判断或推荐。价格、配额、可用性以官方最新说明为准。你离开本站后的任何行为(申请 Key、付费、部署、商用),本站不做任何承诺与担保。

同类推荐

视频短视频图片音乐音频配音口播数字人全能创作

官方标注收费

通过同一个AI创作工具完成AI图片、视频、音乐与语音创作,查找公开社交数据,编辑视觉成果,并集中查看和管理生成资产。Beatra 全能创作支持AI图片生成(文生图)、AI视频生成(图生视频)和AI视频编辑,通过AI音乐生成把想法做成歌曲或纯音乐,也可用AI语音生成(文字转语音)、多语言旁白和AI语音克隆完成跨媒介内容;还能查找抖音数据、小红书数据,以及 YouTube、TikTok、Instagram 与 X 上的公开帖子、笔记、评论、账号和趋势,把社交媒体数据用于竞品调研和创作。它是一款面向AI内容创作与多模态内容创作的AI创作套件,用起来就是一个把图片、视频、音乐与语音收在同一处的AI创作助手,适用于社交内容、产品展示、营销素材、课程、播客、短片和跨媒介项目;还能在不同媒介间复用原始素材、已有成果和查到的公开资料,查看制作进度、返回文件、实际用量和积分记录。

AI数字人口播与虚拟主播视频

官方标注收费

用一张人像和一段短脚本或语音,制作有明确讲述内容的数字人口播视频。可使用现成录音,也可以先选择音色,把脚本生成旁白,让画面中的人物随声音完成稳定、自然的口播。适合 AI 主播、虚拟主播视频、数字人讲解、让照片说话、照片说话视频、产品讲解视频、数字人培训视频、公告和社交口播,并在交付后检查人物一致性、声音清晰度、口型同步和动作稳定性。

罗斯蒙德可视化图形生成

官方未说明

【罗斯蒙德可视化图形生成】南京罗斯蒙德基于已交付项目沉淀的可视化图形生成场景:根据业务描述或系统需求,自动生成可编辑的架构图、流程图、ER 图、时序图、状态图与 C4 图。采用「统一图模型」一次建模、多格式输出:结构化文本(Mermaid / PlantUML,可嵌入 Markdown、进 Git 版本管理)、可编辑图形文件(drawio / Excalidraw,可拖拽修改节点与样式)、静态图(SVG 自渲染,PNG 给转换命令),并输出图形说明(图的含义 + 关键节点解释)。内置样式系统统一配色与命名,内置布局引擎自动排布,校验脚本拦截孤立节点、悬挂连线与语义缺漏。触发词:画架构图、画流程图、画 ER 图、画时序图、画状态图、C4 图、系统架构图、部署架构图、数据流程图、实体关系图、生成 drawio、生成 Excalidraw、导出 mermaid、导出 PlantUML、导出 SVG、导出 PNG、可编辑的图、图转可编辑、架构图可编辑、流程图二次修改、画图、出图、画个图。

架构图一键生成

官方标注收费需申请 Key

使用 ContextWeave 生成或修改架构图、流程图、思维导图和复杂信息图。适用于需要从代码、文件或自然语言中提取结构与关系并实际产出 CW、SVG、HTML、可编辑 PPTX 或原生 VSDX 的请求;未特别说明时,PPTX 与 Visio 使用原生形状和连接器导出。不适用于统计图表、手绘插画或像素级排版。

AI Image Prompts · 绘画提示词库

官方标注免费

Recommend curated prompts from a 10,000+ real-world image generation prompt library. Works with ANY AI image model — Nano Banana Pro, Nano Banana 2, Seedream 5.0, GPT Image 1.5, Midjourney, DALL-E 3, Flux, Stable Diffusion, and more. Use this skill when users want to: - Find proven image generation prompts (any model) - Get prompt inspiration for portraits, products, social media, posters, etc. - Create illustrations for articles, videos, podcasts, or marketing content - Browse categorized prompt templates with sample images - Translate and understand prompt techniques

架构图一键生成

官方标注收费需申请 Key

使用 ContextWeave 生成或修改架构图、流程图、思维导图和复杂信息图。适用于需要从代码、文件或自然语言中提取结构与关系并实际产出 CW、SVG、HTML、可编辑 PPTX 或原生 VSDX 的请求;未特别说明时,PPTX 与 Visio 使用原生形状和连接器导出。不适用于统计图表、手绘插画或像素级排版。

什么是技能

技能(Skill)是封装好的单项能力,比如文字识别、文档摘要、关键词提取。开发者把调用逻辑和提示词打包,使用者像用插件一样加载即可,无需了解底层模型。启枢技能 收录大量技能,可直接试跑或编入方案。