Xiaomi lanzó una nueva versión de los modelos IA MiMo V2.5, que permiten convertir texto a voz y viceversa

Xiaomi lanza nuevos modelos de inteligencia artificial conversacional

La empresa Xiaomi presentó dos versiones de sus modelos de IA vocales que funcionan con texto y audio:

Modelo | Función | Características clave
MiMo‑V2.5‑TTS | Texto → voz | 3 variantes, gratuitas por un período limitado en MiMo Studio; ajuste de velocidad, tono y emociones; posibilidad de crear nuevos voces a partir de una frase corta (VoiceDesign) y clonación de voz desde un pequeño conjunto de muestras (VoiceClone).
MiMo‑V2.5‑ASR | Voz → texto | Reconocimiento del habla oral en condiciones difíciles, soporte de dialectos chinos + inglés; diálogos bilingües y letras de canciones (voz sobre música); funcionamiento con ruido fuerte; puntuación automática según la entonación.

Cómo usar MiMo‑V2.5‑TTS
1. Variante básica – elige uno de los voces preestablecidas y permite cambiar velocidad, tono y matiz emocional.

2. VoiceDesign – ingresa una frase corta, después el sistema genera un nuevo timbre vocal.

3. VoiceClone – carga varias muestras de la voz seleccionada; el modelo las reproduce manteniendo estilo e instrucciones.

Para lograr el sonido deseado el usuario puede:
- Añadir etiquetas especiales al texto;
- Describir la voz con lenguaje natural sencillo (en chino o inglés);
- Crear guiones para representaciones virtuales donde varias voces interactúan simultáneamente.

Características de MiMo‑V2.5‑ASR
- Multilingüismo – soporte de varios dialectos del chino y el inglés.
- Transcripción de canciones – el modelo destaca la voz incluso con música de fondo.
- Resistencia al ruido – reconocimiento preciso en entornos con fuerte ruido externo.
- Puntuación por entonación – inserta automáticamente signos de puntuación, reduciendo la necesidad de edición manual.

Así, Xiaomi amplía sus capacidades en tecnologías vocales, ofreciendo herramientas flexibles tanto para la síntesis de voz como para el reconocimiento preciso del habla.