前言¶
在 Cursor、Claude Code 等环境里写稿、整理脚本或播客提纲时，经常需要把大段文字变成能直接播放的音频。自己接 TTS 接口要处理分段、停顿和口语节奏；只用系统朗读往往生硬，长文还容易超时或断句不当。下面介绍 SkillHub 上的社区 Skill MiMo TTS V2.5 语音生成（坐标 @user_cd81d5a2/wenhao）：它基于小米 MiMo V2.5 TTS，在 Agent 对话里完成口语化处理、分段合成与合并，最终输出 WAV 文件。
这是什么¶
MiMo TTS V2.5 语音生成是 SkillHub 分类 design-media 下的社区 Skill（版本 1.0.0，发布者 user_cd81d5a2）。Skill 将用户提供的文本经语气与节奏处理后，调用 MiMo TTS API 生成语音；支持预设音色、声音克隆，以及用文字描述生成新音色。官方说明当前 API 完全免费，但需自行注册 API Key（标签 requires_api_key=true）。
在 SkillHub 页面可见评分 100000、下载 925 次（数据以 SkillHub 展示为准）。
核心功能¶
以下能力均来自 Skill 官方说明，安装后由 Agent 按 SKILL.md 流程执行。
- 文本口语化与节奏：自动口语化改写、语气节奏标注，并可插入自然填充词（如「嗯……」「那个」「你想啊」）。
- 长文处理：自动分段（约 50–150 字/段），逐段调用 TTS，再合并输出；段间默认 0.8 秒停顿。
- 音色：8 种预设（4 中文 + 4 英文），见下表；支持上传 10–30 秒录音做音色克隆，或用文字描述生成新音色。
- 风格指令：可指定播客、新闻、故事等风格。
- 输出格式：合并后为 WAV 文件。
| 音色 | 风格 | 适合场景 |
|---|---|---|
| 茉莉 | 温柔女声 | 情感/生活/播客 |
| 冰糖 | 甜美活泼 | 轻松/娱乐 |
| 苏打 | 清爽男声 | 科技/知识科普 |
| 白桦 | 沉稳男声 | 深度/商业 |
| Mia | 英文女声 | 自然流畅 |
| Chloe | 英文女声 | 温暖亲切 |
| Milo | 英文男声 | 年轻活力 |
| Dean | 英文男声 | 低沉磁性 |
处理流程可概括为：触发后检查配置 → 无配置则初始化（注册 Key、选音色）→ 有配置则接收文本 → 语气与节奏处理 → 自动分段 → 逐段调用 TTS API → 合并片段 → 输出 WAV。
安装与启用¶
SkillHub 建议 Agent 按 SkillHub 安装文档 安装本 Skill。要点如下。
1. 确认或安装 SkillHub CLI
command -v skillhub && skillhub --version
若未安装，可使用官方脚本（完整安装含 CLI 与默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅安装 CLI 时：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2. 安装到当前 Agent 的 skills 目录
安装时必须用 --dir 指向当前客户端识别的 skills 目录，否则默认装到 ./skills/ 可能不会被加载。
skillhub install @user_cd81d5a2/wenhao --dir <skills 目录>
常见路径（来自 SkillHub 安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
示例（Cursor）：
skillhub install @user_cd81d5a2/wenhao --dir ~/.cursor/skills/
安装后按各客户端要求刷新或重启 Agent，使 Skill 生效。
3. 首次使用：API Key 与音色
在浏览器打开小米 AI Studio 注册免费 API Key：
https://aistudio.xiaomimimo.com
首次触发时 Skill 会引导完成 Key 配置，并选择音色（预设 / 克隆 / 文字描述生成）。配置会自动保存，后续无需重复填写。
典型用法¶
Skill 在用户表达「生成语音」「文字转语音」「TTS」「语音合成」「朗读这段话」「帮我配音」「生成播客」「转成音频」等意图时触发。官方给出的对话示例包括：
- 「把这段话转成语音」
- 「帮我朗读这段文字」
- 「生成播客音频」
- 「用白桦的声音读一下」
- 「TTS 这段内容」
- 「换个声音」
实际操作方式：在已安装 Skill 的 Agent 中粘贴或选中待读文本，用上述自然语言说明需求即可；Agent 会按 Skill 流程完成口语化、分段、合成与合并，并交付 WAV。指定音色时可直接说出预设名（如「白桦」）。
适用场景与注意¶
适合：需要把中文或英文文稿快速变成试听稿、播客粗剪、旁白草稿的场景；希望口语感、停顿和填充词由 Skill 统一处理，而不是手写 SSML 或自己拼多段音频。
注意：
- 必须配置 MiMo API Key；密钥请仅保存在本地配置，勿提交到仓库。
- 长文依赖自动分段与多次 API 调用，生成时间与段落数量相关。
- 克隆音色需自备 10–30 秒清晰录音；效果取决于素材质量。
- 「API 目前完全免费」以小米 AI Studio / Skill 说明为准，后续计费策略如有变更需以官方为准。
- Skill 为 community 来源，使用前可在 SkillHub 页面查看版本与说明。
结尾¶
MiMo TTS V2.5 语音生成把 MiMo V2.5 的 TTS、口语化与长文合并封装成 Agent Skill，适合在开发环境里用自然语言完成「文稿 → WAV」。安装坐标 @user_cd81d5a2/wenhao，SkillHub 页面：https://www.skillhub.cn/skills/user_cd81d5a2/wenhao，API 入口说明：https://api.skillhub.cn/user_cd81d5a2/wenhao。
