Xiaomi розпочала нову версію AI‑моделей MiMo V2.5, що дозволяють перетворювати текст у голос і навпаки

Xiaomi запускає нові голосові моделі штучного інтелекту

Компанія Xiaomi представила дві версії своїх голосових ІІ‑моделей, які працюють з текстом і аудіо:

МодельФункціяКлючові особливостіMiMo‑V2.5‑TTSТекст → мова3 варіанти, безкоштовні протягом обмеженого періоду на MiMo Studio; налаштування швидкості, тона й емоцій; можливість створення нових голосів за короткою фразою (VoiceDesign) і клонування голосу з невеликої вибірки образців (VoiceClone).MiMo‑V2.5‑ASRМова → текстРозпізнавання усної мови в складних умовах, підтримка китайських діалектів + англійської; двомовні діалоги й тексти пісень (вокал на фоні музики); робота при сильному шумі; автоматичне розставляння пунктуації за інтонаціями.
Як користуватися MiMo‑V2.5‑TTS
1. Базовий варіант – вибирає один із попередньо встановлених голосів і дозволяє змінити швидкість, тон й емоційний відтінок.

2. VoiceDesign – вводить коротку фразу, після чого система генерує новий тембр голосу.

3. VoiceClone – завантажує кілька образців обраного голосу; модель відтворює його з збереженням стилю й інструкцій.

Для досягнення потрібного звучання користувач може:

- Додавати спеціальні теги до тексту;
- Описувати голос простим природним мовою (на китайській або англійській);
- Створювати сценарії для віртуальних постановок, де кілька голосів взаємодіють одночасно.

Особливості MiMo‑V2.5‑ASR
- Багатомовність – підтримка декількох діалектів китайської мови й англійської.

- Розшифровка пісень – модель виділяє вокал навіть при наявності фонового музичного супроводу.

- Шумостійкість – точне розпізнавання в умовах сильного стороннього шуму.

- Пунктуація за інтонацією – автоматично вставляє знаки пунктуації, що скорочує необхідність ручної правки.

Таким чином, Xiaomi розширює свої можливості у сфері голосових технологій, пропонуючи гнучкі інструменти як для створення синтезованої мови, так і для точного розпізнавання усної інформації.