前言¶

在 Agent 或自動化腳本里把文本變成可播放的音頻，常見做法是單獨接一家 TTS SDK，再自己處理音色、風格和文件輸出。小米 MiMo V2-TTS 提供兼容 OpenAI SDK 的調用方式，SkillHub 上的「小米 MiMo V2-TTS 語音合成技能」把這一套封裝成標準 Skill：Agent 讀到 SKILL.md 後，可以在需要朗讀、生成音頻文件或調用 MiMo TTS 時按文檔執行命令行與參數。

下面介紹這個 Skill 的定位、能力、安裝方式與可復現用法。文中版本與座標以 SkillHub 已發佈信息爲準（v1.2.0，@user_512254e3/mimo-tts）。

這是什麼¶

小米 MiMo V2-TTS 語音合成技能是社區來源（community）的 design-media 類 Skill，發佈座標爲 @user_512254e3/mimo-tts，當前版本 1.2.0。它在 SkillHub 上標記 requires_api_key=true，依賴環境變量 MIMO_API_KEY。

技能包內提供 Node.js CLI（mimo-tts）與 TTS 腳本，將文本合成爲語音文件；接口形態對齊 OpenAI Chat Completions 風格，便於與已有 OpenAI SDK 習慣銜接。適用觸發場景在官方簡介中寫得很直接：用戶要把文本轉語音、生成音頻文件，或明確使用 MiMo TTS 服務時啓用本 Skill。

SkillHub 頁面統計（抓取時點）：評分 100000，下載 1279，安裝 20。官方入口：https://api.skillhub.cn/user_512254e3/mimo-tts，展示頁：https://www.skillhub.cn/skills/user_512254e3/mimo-tts。

核心功能¶

以下能力均來自技能包 SKILL.md / README.md 的說明，安裝後可對照本地文件覈對。

文本轉語音¶

通過命令行傳入 --text 與 --output，將文本合成爲音頻；默認輸出 WAV，也可選 pcm16（流式場景需配合 --stream 與格式限制，見注意事項）。

預置音色¶

文檔列出 3 種音色代碼：

風格與語氣控制¶

• 在文本開頭使用 <style>風格</style>，例如情緒（開心、悲傷）、方言（東北話、四川話）、角色或「唱歌」等。
• 支持括號內的細粒度描述，如「（緊張，深呼吸）」配合正文，用於停頓、語速變化等。

OpenAI 兼容調用¶

技能說明強調使用兼容 OpenAI SDK 的格式；README.md 中故障排除提到請求端點爲 https://api.xiaomimimo.com/v1/chat/completions（用於排查 404 時對照）。

安裝與啓用¶

通過 SkillHub CLI 安裝¶

先確認本機已安裝 skillhub（安裝方式見 SkillHub 安裝文檔）。安裝技能時必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/ 可能不會被識別。

搜索與安裝示例：

skillhub search mimo-tts
skillhub install mimo-tts --namespace user_512254e3 --dir <你的 Agent skills 目錄>

常見 Agent 的 skills 路徑（摘自 SkillHub 安裝文檔）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或項目下的 .agents/skills/

也可讓 AI 按官方提示安裝：

請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_512254e3/mimo-tts`。

安裝 Node 依賴¶

技能包爲輕量版，不含 node_modules。進入安裝後的技能目錄執行一次：

cd <skills 目錄>/@user_512254e3/mimo-tts
npm install

配置 API Key¶

在 MiMo 開放平臺 獲取密鑰後設置環境變量：

export MIMO_API_KEY=your_api_key_here

長期生效可將上述 export 寫入 ~/.bashrc 或 ~/.zshrc 後 source 對應文件。

驗證¶

mimo-tts --help

若 shell 找不到 mimo-tts，可使用技能目錄下的入口腳本，例如 index.js 加相同參數（見 INSTALL.md）。

典型用法¶

設置好 MIMO_API_KEY 並完成 npm install 後，可直接復現文檔中的命令。

基礎合成：

mimo-tts --text "你好，歡迎使用 MiMo 語音合成" --output audio.wav

指定英文音色：

mimo-tts --text "Hello World" --voice default_en --output hello.wav

風格標籤（需放在文本開頭）：

mimo-tts --text "<style>開心</style>今天真是太棒了！" --output happy.wav
mimo-tts --text "<style>東北話</style>哎呀媽呀！" --output dongbei.wav
mimo-tts --text "<style>唱歌</style>原諒我這一生不羈放縱愛自由" --output sing.wav

細粒度語氣：

mimo-tts --text "（緊張，深呼吸）呼……冷靜，冷靜。（語速加快）自我介紹已經背了五十遍了" --output nervous.wav

命令行參數摘要（來自 SKILL.md）：

適用場景與注意¶

適合誰

• 已在 Cursor、Claude Code、Codex 等環境使用 Skills，希望 Agent 在「讀出來」「導出 wav」類任務裏有一套固定流程。
• 希望用 MiMo V2-TTS，且能接受 OpenAI 兼容的 Chat Completions 調用方式，而不是爲 TTS 單獨寫一套 HTTP 客戶端。

限制與坑

1. API Key 必填：未設置 MIMO_API_KEY 會直接失敗；401 多爲 Key 錯誤。
2. <style> 位置：必須位於文本開頭；唱歌模式文檔要求僅使用 <style>唱歌</style> 加歌詞。
3. 文本長度：SKILL.md 建議單次約 2000 字以內，長文應分段合成。
4. 流式：流式調用時需使用 pcm16 格式；README.md 標註 --stream 爲暫不支持時需以本地安裝包文檔爲準。
5. 依賴與環境：需 Node 環境與 npm install；輸出路徑建議使用絕對路徑，避免相對路徑落盤位置混淆。
6. 計費：README.md 寫明當前爲限時免費，具體策略以 MiMo 控制台 爲準。

更完整的 API 與用量說明見 語音合成使用指南。

結尾¶

「小米 MiMo V2-TTS 語音合成技能」把 MiMo 的 TTS 能力收斂成 Agent 可執行的 CLI 與 SKILL.md 約定：預置音色、<style> 風格、WAV/pcm16 輸出，以及 MIMO_API_KEY 配置都在同一套文檔裏。若你的 workflow 需要文本轉語音或生成音頻文件，可從 SkillHub 安裝 @user_512254e3/mimo-tts 並按上文完成依賴與密鑰配置。

官方地址：https://api.skillhub.cn/user_512254e3/mimo-tts