前言¶
在 Agent 或自动化脚本里把文本变成可播放的音频，常见做法是单独接一家 TTS SDK，再自己处理音色、风格和文件输出。小米 MiMo V2-TTS 提供兼容 OpenAI SDK 的调用方式，SkillHub 上的「小米 MiMo V2-TTS 语音合成技能」把这一套封装成标准 Skill：Agent 读到 SKILL.md 后，可以在需要朗读、生成音频文件或调用 MiMo TTS 时按文档执行命令行与参数。
下面介绍这个 Skill 的定位、能力、安装方式与可复现用法。文中版本与坐标以 SkillHub 已发布信息为准（v1.2.0，@user_512254e3/mimo-tts）。
这是什么¶
小米 MiMo V2-TTS 语音合成技能是社区来源（community）的 design-media 类 Skill，发布坐标为 @user_512254e3/mimo-tts，当前版本 1.2.0。它在 SkillHub 上标记 requires_api_key=true，依赖环境变量 MIMO_API_KEY。
技能包内提供 Node.js CLI（mimo-tts）与 TTS 脚本，将文本合成为语音文件；接口形态对齐 OpenAI Chat Completions 风格，便于与已有 OpenAI SDK 习惯衔接。适用触发场景在官方简介中写得很直接：用户要把文本转语音、生成音频文件，或明确使用 MiMo TTS 服务时启用本 Skill。
SkillHub 页面统计（抓取时点）：评分 100000，下载 1279，安装 20。官方入口：https://api.skillhub.cn/user_512254e3/mimo-tts，展示页：https://www.skillhub.cn/skills/user_512254e3/mimo-tts。
核心功能¶
以下能力均来自技能包 SKILL.md / README.md 的说明，安装后可对照本地文件核对。
文本转语音¶
通过命令行传入 --text 与 --output，将文本合成为音频；默认输出 WAV，也可选 pcm16（流式场景需配合 --stream 与格式限制，见注意事项）。
预置音色¶
文档列出 3 种音色代码：
| 音色 | 说明 |
|---|---|
mimo_default |
MiMo 默认音色（CLI 默认） |
default_zh |
中文女声 |
default_en |
英文女声 |
风格与语气控制¶
- 在文本开头使用
<style>风格</style>，例如情绪（开心、悲伤）、方言（东北话、四川话）、角色或「唱歌」等。 - 支持括号内的细粒度描述，如「（紧张，深呼吸）」配合正文，用于停顿、语速变化等。
OpenAI 兼容调用¶
技能说明强调使用兼容 OpenAI SDK 的格式；README.md 中故障排除提到请求端点为 https://api.xiaomimimo.com/v1/chat/completions（用于排查 404 时对照）。
安装与启用¶
通过 SkillHub CLI 安装¶
先确认本机已安装 skillhub（安装方式见 SkillHub 安装文档）。安装技能时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能不会被识别。
搜索与安装示例：
skillhub search mimo-tts
skillhub install mimo-tts --namespace user_512254e3 --dir <你的 Agent skills 目录>
常见 Agent 的 skills 路径（摘自 SkillHub 安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
也可让 AI 按官方提示安装：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_512254e3/mimo-tts`。
安装 Node 依赖¶
技能包为轻量版，不含 node_modules。进入安装后的技能目录执行一次：
cd <skills 目录>/@user_512254e3/mimo-tts
npm install
配置 API Key¶
在 MiMo 开放平台 获取密钥后设置环境变量：
export MIMO_API_KEY=your_api_key_here
长期生效可将上述 export 写入 ~/.bashrc 或 ~/.zshrc 后 source 对应文件。
验证¶
mimo-tts --help
若 shell 找不到 mimo-tts，可使用技能目录下的入口脚本，例如 index.js 加相同参数（见 INSTALL.md）。
典型用法¶
设置好 MIMO_API_KEY 并完成 npm install 后，可直接复现文档中的命令。
基础合成：
mimo-tts --text "你好，欢迎使用 MiMo 语音合成" --output audio.wav
指定英文音色：
mimo-tts --text "Hello World" --voice default_en --output hello.wav
风格标签（需放在文本开头）：
mimo-tts --text "<style>开心</style>今天真是太棒了！" --output happy.wav
mimo-tts --text "<style>东北话</style>哎呀妈呀！" --output dongbei.wav
mimo-tts --text "<style>唱歌</style>原谅我这一生不羁放纵爱自由" --output sing.wav
细粒度语气：
mimo-tts --text "（紧张，深呼吸）呼……冷静，冷静。（语速加快）自我介绍已经背了五十遍了" --output nervous.wav
命令行参数摘要（来自 SKILL.md）：
| 参数 | 必填 | 默认 | 说明 |
|---|---|---|---|
--text |
是 | - | 待合成文本 |
--output |
是 | - | 输出音频路径 |
--voice |
否 | mimo_default |
音色 |
--format |
否 | wav |
wav 或 pcm16 |
--stream |
否 | false |
流式模式 |
适用场景与注意¶
适合谁
- 已在 Cursor、Claude Code、Codex 等环境使用 Skills，希望 Agent 在「读出来」「导出 wav」类任务里有一套固定流程。
- 希望用 MiMo V2-TTS，且能接受 OpenAI 兼容的 Chat Completions 调用方式，而不是为 TTS 单独写一套 HTTP 客户端。
限制与坑
- API Key 必填：未设置
MIMO_API_KEY会直接失败；401 多为 Key 错误。 <style>位置：必须位于文本开头；唱歌模式文档要求仅使用<style>唱歌</style>加歌词。- 文本长度：
SKILL.md建议单次约 2000 字以内，长文应分段合成。 - 流式：流式调用时需使用
pcm16格式；README.md标注--stream为暂不支持时需以本地安装包文档为准。 - 依赖与环境：需 Node 环境与
npm install；输出路径建议使用绝对路径，避免相对路径落盘位置混淆。 - 计费：
README.md写明当前为限时免费，具体策略以 MiMo 控制台 为准。
更完整的 API 与用量说明见 语音合成使用指南。
结尾¶
「小米 MiMo V2-TTS 语音合成技能」把 MiMo 的 TTS 能力收敛成 Agent 可执行的 CLI 与 SKILL.md 约定：预置音色、<style> 风格、WAV/pcm16 输出，以及 MIMO_API_KEY 配置都在同一套文档里。若你的 workflow 需要文本转语音或生成音频文件，可从 SkillHub 安装 @user_512254e3/mimo-tts 并按上文完成依赖与密钥配置。
