小米發佈自研MiMo-V2-TTS語音合成大模型，實現多方言與情感深度控制

小米發佈自研語音合成大模型Xiaomi MiMo-V2-TTS，在可控、高表現力語音生成方面取得突破。該模型基於自研Audio Tokenizer及多碼本架構，通過大規模預訓練，實現從宏觀風格到微觀情緒的精準調節。它能在單句內完成語氣轉折與情感遞變，高度還原人類自然韻律，支持多種語音風格。