Xiaomi MiMo Voice — 语音合成技能
通过小米 MiMo V2 TTS API 将文字转为自然流畅的语音。
前置条件
1. 安装依赖
pip install requests
2. 配置 API Key
编辑 ~/.openclaw/openclaw.json，在 skills.entries 下添加：
{
"skills": {
"entries": {
"xiaomi-mimo-voice": {
"enabled": true,
"env": {
"MIMO_API_KEY": "your-api-key"
}
}
}
}
}
💡 也可以使用环境变量 export MIMO_API_KEY=xxx，但推荐用 Skill 级别配置，更整洁且仅对该 Skill 生效。
使用方式
python3 <skill_dir>/scripts/tts.py --text "要合成的文字" --output audio.wav
参数
| 参数 |
说明 |
默认值 |
--text |
要合成的文字（必填，可含风格标签） |
— |
--output |
输出音频文件路径 |
output.wav |
--voice |
音色 |
mimo_default |
--style |
语音风格 |
— |
--format |
输出格式：wav / pcm16 |
wav |
--user-text |
用户侧消息（辅助上下文） |
— |
音色
| 音色 |
说明 |
mimo_default |
默认音色 |
default_zh |
中文优化 |
default_en |
英文优化 |
风格列表
| 类别 |
风格 |
| 情感 |
Happy · Sad · Angry · Surprised · Fearful · Disgusted · Calm |
| 语速 |
Speed up · Slow down |
| 角色 |
Sun Wukong · Lin Daiyu · Zhang Fei · Guan Yu · Zhuge Liang |
| 风格 |
Whisper · Clamped voice · Taiwanese accent |
| 方言 |
Northeastern dialect · Sichuan dialect · Cantonese · Henan dialect |
| 其他 |
唱歌 · Narration · Storytelling |
示例
# 基础合成
python3 scripts/tts.py --text "你好，世界！" --output hello.wav
# 情感风格
python3 scripts/tts.py --text "太开心了！" --style Happy --output happy.wav
# 角色扮演
python3 scripts/tts.py --text "俺老孙来也！" --style "Sun Wukong" --output wukong.wav
# 英文
python3 scripts/tts.py --text "Hello world!" --voice default_en --output hello_en.wav
# 方言
python3 scripts/tts.py --text "干啥呢老铁" --style "Northeastern dialect" --output dongbei.wav
# 播报
python3 scripts/tts.py --text "以下是今天的新闻摘要" --style Narration --output news.wav
输出格式
{
"status": "success",
"file": "output.wav",
"size_kb": 128.5,
"duration_sec": 5.2,
"voice": "mimo_default",
"style": "Happy",
"text": "太开心了！"
}
故障排除
| 问题 |
原因 |
解决方案 |
未设置 MIMO_API_KEY |
未配置 API Key |
在 skills.entries.xiaomi-mimo-voice.env 中配置 |
API 返回异常 |
Key 无效或过期 |
检查 Key 是否正确 |
未获取到音频数据 |
文本被拒绝 |
检查文本内容 |
requests 超时 |
网络问题 |
检查网络连接 |
ImportError: requests |
缺少依赖 |
pip install requests |
技术细节
- 模型：
mimo-v2-tts
- API：
https://api.xiaomimimo.com/v1/chat/completions
- 采样率：24kHz（PCM16 格式）
- 风格标签格式：
<style>风格</style> 放在文字开头
更新日志
v1.0.2 (2026-03-24)
- 配置方式统一为 Skill 级别 env（openclaw.json skills.entries）
- 修复依赖说明（openai → requests）
- 文档结构优化
v1.0.1 (2026-03-24)
- 移除 openclaw.json tools 自定义键配置
- API Key 改为环境变量读取
v1.0.0 (2026-03-24)
- 首次发布：中文/英文语音合成，支持情感/角色/方言等多种风格
Lord1Egypt