小米刚把 MiMo-V2.5 的语音全家桶（TTS 和 ASR）端出来了

这波更新怎么评价呢……嗯，它没去卷音色有多拟真，而是直接冲着现实里的“脏数据”去了。

ASR 这端:
1. 专治恶劣环境. 不卷纯净播音腔, 硬刚中英夹杂, 方言口音, 高噪音, 多人重叠说话. 吴语, 粤语, 闽南语, 四川话都原生支持.
2. WER 压制. 看官方放的柱状图, 中文通用, 英文通用, 混合语, 方言几个维度基本都压在同级模型下面.
3. 开源. 代码和权重全扔 HuggingFace 了, GitHub 上能拉, 本地 Gradio 直接跑.

TTS 这边:
1. 三个型号. 预置音色, 音色克隆, 音色设计拆开给.
2. 限免 API 已开放, 平台文档里把自然语言风格控制, 情绪混合, 角色扮演, 方言, 唱歌都写进了使用说明.
3. TTS Skills 那边没找到独立开源仓库, 目前是通过 API 接, 官方的接入示例主要在 OpenClaw 里.

ASR 已开, TTS 有 API. 搞音视频管线的自己去看.

Demo: http://t.cn/AXxNkJuw
HuggingFace: http://t.cn/AXxNkJuA