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
│ ├── mimottssmart.js # NodeJS 智能版
│ ├── mimottssmart.py # Python 智能版
│ └── mimottssmart.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

bash ./scripts/mimo-tts.sh 文本 [输出文件]

带风格标签

bash

在文本前加 今天真是太棒了！ 老铁，咋整啊？ 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

1. 1. 默认使用普通话，除非用户明显使用方言或有特别要求
2. 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

1. 3. 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：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：那个啥...

用户说：宝宝晚安
→ 判断：亲密、温柔场景
→ 生成：晚安，好梦哦～

可用语音

语音	参数
默认	mimodefault
中文女声

defaultzh | | 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 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：

bash

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 床前明月光... out.ogg

使用方式

基础用法

bash ./scripts/mimo-tts.sh 文本 [输出文件]

带风格标签

bash

在文本前加 今天真是太棒了！ 老铁，咋整啊？ 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

1. 1. 默认使用普通话，除非用户明显使用方言或有特别要求
2. 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

1. 3. 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：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：那个啥...

用户说：宝宝晚安
→ 判断：亲密、温柔场景
→ 生成：晚安，好梦哦～

可用语音

语音	参数
默认	mimodefault
中文女声

defaultzh | | 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

mimottssmart.js | 功能最完善，智能分析最准确 | | Python 版 | mimottssmart.py | 功能完整，备用方案 | | Shell 版 | mimottssmart.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）