- name
- xiaomi-mimo-tts
- description
- |
Xiaoma MiMo TTS
📁 目录结构
scripts/
├── mimo-tts.sh # 基础版本统一入口
├── mimo-tts-smart.sh # 智能版本统一入口
├── base/ # 基础版本实现
│ ├── mimo-tts.sh # Shell 基础版
│ ├── mimo_tts.js # NodeJS 基础版
│ └── mimo_tts.py # Python 基础版
├── smart/ # 智能版本实现
│ ├── mimo_tts_smart.js # NodeJS 智能版
│ ├── mimo_tts_smart.py # Python 智能版
│ └── mimo_tts_smart.sh # Shell 智能版
├── utils/ # 工具脚本
│ └── test.sh # 测试脚本
└── examples/ # 示例脚本
└── demo.sh # 演示脚本✨ 核心能力
根据对话场景，智能选择最合适的语音风格！
作为 Agent，你应该主动理解对话内容，选择合适的：
- 情感：开心、悲伤、紧张、愤怒、惊讶、温柔...
- 方言：东北话、四川话、台湾腔、粤语...
- 效果：悄悄话、夹子音、唱歌...
- 语速：快、慢、正常
使用方式
基础用法
./scripts/mimo-tts.sh "文本" [输出文件]带风格标签
# 在文本前加 <style> 标签
"<style>开心</style>今天真是太棒了！"
"<style>东北话</style>老铁，咋整啊？"
"<style>悄悄话</style>这是秘密哦..."可用风格
| 类型 | 示例 |
|---|---|
| 情感 | 开心、悲伤、紧张、愤怒、惊讶、温柔 |
| 方言 | 东北话、四川话、台湾腔、粤语、河南话 |
| 效果 | 悄悄话、夹子音、唱歌 |
| 语速 | 变快、变慢 |
情感标签（细粒度控制）
在文本中使用 () 添加情感：
"（紧张，深呼吸）呼……冷静，冷静"
"（咳嗽）咳咳，不好意思"
"（沉默片刻）……然后呢？"Agent 职责
你应该主动判断对话场景，选择合适的风格！
判断原则
- 默认使用普通话，除非用户明显使用方言或有特别要求
- 根据内容选择情感：
- 好消息 → 开心 - 坏消息/安慰 → 温柔、悲伤 - 紧急情况 → 紧张、急促 - 正式通知 → 严肃
- 根据场景选择效果：
- 私密内容 → 悄悄话 - 朗读诗词 → 温柔、慢 - 讲故事 → 根据角色变化
示例
用户说："给我读首李白的诗" → 判断：诗词应温柔、舒缓 → 生成："<style>温柔</style>床前明月光..."
用户说："用东北话给我讲个笑话" → 判断：明确要求方言 → 生成："<style>东北话</style>那个啥..."
用户说："宝宝晚安" → 判断：亲密、温柔场景 → 生成："<style>温柔</style>晚安，好梦哦～"
可用语音
| 语音 | 参数 |
|---|---|
| 默认 | mimo_default |
| 中文女声 | default_zh |
| 英文女声 | default_eh |
智能模式（说明与使用建议）
本项目提供“智能模式”（位于 scripts/mimo-tts-smart.sh 与 scripts/smart/ 下），它使用轻量的启发式与关键词检测来自动为文本选择合适的风格、方言与情感。该模式设计用于快速试验与交互式体验，而非对每种语境都保证高精度。
建议与行为：
- 默认不在自动化流水线中启用智能模式。将其视为可选的便捷工具，需由 agent 或用户显式调用。
- 若对输出准确性有较高要求，请在输入文本最前面使用
<style>...</style>明确指定风格与方言。 - 智能模式适合快速原型、演示与人机协作场景；不适合替代人工细致调整或用于对准确性敏感的生产流程。
调用示例：
# 显式启用智能模式（agent 或用户调用）
./scripts/mimo-tts-smart.sh "宝宝晚安，爱你哦～" output.ogg
# 若要手动覆盖智能判断，直接在文本前使用 style 标签
./scripts/mimo-tts.sh "<style>温柔</style>床前明月光..." out.ogg使用方式
基础用法
./scripts/mimo-tts.sh "文本" [输出文件]带风格标签
# 在文本前加 <style> 标签
"<style>开心</style>今天真是太棒了！"
"<style>东北话</style>老铁，咋整啊？"
"<style>悄悄话</style>这是秘密哦..."可用风格
| 类型 | 示例 |
|---|---|
| 情感 | 开心、悲伤、紧张、愤怒、惊讶、温柔 |
| 方言 | 东北话、四川话、台湾腔、粤语、河南话 |
| 效果 | 悄悄话、夹子音、唱歌 |
| 语速 | 变快、变慢 |
情感标签（细粒度控制）
在文本中使用 () 添加情感：
"（紧张，深呼吸）呼……冷静，冷静"
"（咳嗽）咳咳，不好意思"
"（沉默片刻）……然后呢？"Agent 职责
你应该主动判断对话场景，选择合适的风格！
判断原则
- 默认使用普通话，除非用户明显使用方言或有特别要求
- 根据内容选择情感：
- 好消息 → 开心 - 坏消息/安慰 → 温柔、悲伤 - 紧急情况 → 紧张、急促 - 正式通知 → 严肃
- 根据场景选择效果：
- 私密内容 → 悄悄话 - 朗读诗词 → 温柔、慢 - 讲故事 → 根据角色变化
示例
用户说："给我读首李白的诗" → 判断：诗词应温柔、舒缓 → 生成："<style>温柔</style>床前明月光..."
用户说："用东北话给我讲个笑话" → 判断：明确要求方言 → 生成："<style>东北话</style>那个啥..."
用户说："宝宝晚安" → 判断：亲密、温柔场景 → 生成："<style>温柔</style>晚安，好梦哦～"
可用语音
| 语音 | 参数 |
|---|---|
| 默认 | mimo_default |
| 中文女声 | default_zh |
| 英文女声 | default_eh |
🤖 智能版本 (多语言支持)
我们提供了多种智能脚本实现，可以自动分析文本内容并选择合适的风格：
🎯 实现支持
| 版本 | 文件 | 特点 |
|---|---|---|
| 统一入口 | mimo-tts-smart.sh | 自动选择最佳实现，优先NodeJS→Python→Shell |
| NodeJS 版 | mimo_tts_smart.js | 功能最完善，智能分析最准确 |
| Python 版 | mimo_tts_smart.py | 功能完整，备用方案 |
| Shell 版 | mimo_tts_smart.sh | 简化版，兼容性好 |
功能特点
自动分析：
- 检测情感关键词（开心、悲伤、紧张、愤怒、惊讶、温柔）
- 识别方言特征（东北话、四川话、台湾腔、粤语）
- 判断特殊效果（悄悄话、夹子音、唱歌）
- 检测诗词格式（多行短句自动识别）
#