MiMo V2.5 Tts

用现成音色做有表现力的配音

MiMo-V2.5-TTS 适合通知播报、课程朗读、角色旁白和有情绪变化的配音。选择内置音色后，可以用自然语言描述语速、情感、角色状态与停顿，让同一段正文呈现不同表达方式。它也提供唱歌模式，适合尝试把给定歌词合成为演唱片段。

输入消息的角色分工很重要：assistant 内容是待合成的正文，user 内容用于声音风格或场景指令，不会作为正文读出。比如，把课程内容放在 assistant，再用 user 说明“讲给初学者听，语气耐心，关键术语前稍停顿”。不要把这两部分混在同一段口播内容里。

风格控制可以从整段语气细化到句子节奏、词语重音和呼吸停顿。需要更明确表演方向时，可以说明角色、正在发生的场景和朗读指导。正文中的风格标签也能用于控制，唱歌模式应在正文开头添加“(唱歌)”等支持的标签。先用短片段试听，再逐步加细节，比一次叠加很多指令更容易调整。

它支持低延迟流式输出，流式音频应选择 pcm16，便于逐段拼接与播放。完整节目仍需要检查音量、段落衔接和专有名词读法。这个型号使用内置音色，声音设计与参考音频复刻应分别使用对应的专用型号。

配音问题

默认音色会固定吗？ mimo_default 会随部署集群使用不同默认声音；需要明确声音时，指定具体支持的 voice。

能让语音顺便回答问题吗？ 应先生成和确认正文，再进行合成，避免把内容创作与声音制作混为一步。

将朗读正文放在 assistant

user：你是一位耐心的科学老师。语速稍慢，在问题后自然停顿，最后一句带一点鼓励。
assistant：为什么冰会浮在水面上？答案藏在水结冰时的结构里。接下来，我们用一个小实验看看。

选择具体内置音色并用短句试听；流式输出设置音频格式为 pcm16，按顺序拼接。唱歌时把“(唱歌)”放在正文开头，并提交希望唱出的歌词。长内容按段落处理，统一音色与风格，检查数字、术语和首尾衔接。