Xiaomi spustila novou verzi AI modelů MiMo V2.5, které umožňují převádět text na hlas a opačně

Xiaomi spouští nové hlasové modely umělé inteligence

Společnost Xiaomi představila dvě verze svých hlasových AI‑modelů, které pracují s textem a audio:

Model Funkce Klíčové vlastnosti MiMo‑V2.5‑TTS Text → řeč 3 varianty, zdarma po omezenou dobu na MiMo Studio; nastavení rychlosti, tónu a emocí; možnost vytváření nových hlasů z krátké fráze (VoiceDesign) a klonování hlasu z malé sady vzorků (VoiceClone). MiMo‑V2.5‑ASR Řeč → text Rozpoznávání ústní řeči v náročných podmínkách, podpora čínských dialektů + angličtiny; dvojjazyčné dialogy a texty písní (vokál na pozadí hudby); práce při silném šumu; automatické rozvržení interpunkce podle intonace.

Jak používat MiMo‑V2.5‑TTS
1. Základní varianta – vybírá jeden z přednastavených hlasů a umožňuje změnit rychlost, tón a emocionální odstín.

2. VoiceDesign – zadává krátkou frázi, poté systém generuje nový barvitý hlas.

3. VoiceClone – nahrává několik vzorků vybraného hlasu; model jej reprodukuje s zachováním stylu a instrukcí.

Pro dosažení požadovaného zvuku může uživatel:

- Přidávat speciální tagy k textu;

- Popisovat hlas jednoduchým přirozeným jazykem (v čínštině nebo angličtině);

- Vytvářet scénáře pro virtuální představení, kde se současně interagují více hlasů.

Vlastnosti MiMo‑V2.5‑ASR
- Vícejazyčnost – podpora několika dialektů čínštiny a angličtiny.

- Rozluštění písní – model odděluje vokál i při přítomnosti hudebního pozadí.

- Odolnost proti šumu – přesné rozpoznávání v podmínkách silného rušivého hluku.

- Interpunkce podle intonace – automaticky vkládá interpunkční znaménka, což snižuje potřebu manuální úpravy.

Tímto Xiaomi rozšiřuje své možnosti v oblasti hlasových technologií a nabízí flexibilní nástroje jak pro tvorbu syntetizované řeči, tak pro přesné rozpoznávání ústní informace.