前言¶
在 Cursor、Claude Code 等環境裏寫稿、整理腳本或播客提綱時，經常需要把大段文字變成能直接播放的音頻。自己接 TTS 接口要處理分段、停頓和口語節奏；只用系統朗讀往往生硬，長文還容易超時或斷句不當。下面介紹 SkillHub 上的社區 Skill MiMo TTS V2.5 語音生成（座標 @user_cd81d5a2/wenhao）：它基於小米 MiMo V2.5 TTS，在 Agent 對話裏完成口語化處理、分段合成與合併，最終輸出 WAV 文件。
這是什麼¶
MiMo TTS V2.5 語音生成是 SkillHub 分類 design-media 下的社區 Skill（版本 1.0.0，發佈者 user_cd81d5a2）。Skill 將用戶提供的文本經語氣與節奏處理後，調用 MiMo TTS API 生成語音；支持預設音色、聲音克隆，以及用文字描述生成新音色。官方說明當前 API 完全免費，但需自行註冊 API Key（標籤 requires_api_key=true）。
在 SkillHub 頁面可見評分 100000、下載 925 次（數據以 SkillHub 展示爲準）。
核心功能¶
以下能力均來自 Skill 官方說明，安裝後由 Agent 按 SKILL.md 流程執行。
- 文本口語化與節奏：自動口語化改寫、語氣節奏標註，並可插入自然填充詞（如「嗯……」「那個」「你想啊」）。
- 長文處理：自動分段（約 50–150 字/段），逐段調用 TTS，再合併輸出；段間默認 0.8 秒停頓。
- 音色：8 種預設（4 中文 + 4 英文），見下表；支持上傳 10–30 秒錄音做音色克隆，或用文字描述生成新音色。
- 風格指令：可指定播客、新聞、故事等風格。
- 輸出格式：合併後爲 WAV 文件。
| 音色 | 風格 | 適合場景 |
|---|---|---|
| 茉莉 | 溫柔女聲 | 情感/生活/播客 |
| 冰糖 | 甜美活潑 | 輕鬆/娛樂 |
| 蘇打 | 清爽男聲 | 科技/知識科普 |
| 白樺 | 沉穩男聲 | 深度/商業 |
| Mia | 英文女聲 | 自然流暢 |
| Chloe | 英文女聲 | 溫暖親切 |
| Milo | 英文男聲 | 年輕活力 |
| Dean | 英文男聲 | 低沉磁性 |
處理流程可概括爲：觸發後檢查配置 → 無配置則初始化（註冊 Key、選音色）→ 有配置則接收文本 → 語氣與節奏處理 → 自動分段 → 逐段調用 TTS API → 合併片段 → 輸出 WAV。
安裝與啓用¶
SkillHub 建議 Agent 按 SkillHub 安裝文檔 安裝本 Skill。要點如下。
1. 確認或安裝 SkillHub CLI
command -v skillhub && skillhub --version
若未安裝，可使用官方腳本（完整安裝含 CLI 與默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
僅安裝 CLI 時：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2. 安裝到當前 Agent 的 skills 目錄
安裝時必須用 --dir 指向當前客戶端識別的 skills 目錄，否則默認裝到 ./skills/ 可能不會被加載。
skillhub install @user_cd81d5a2/wenhao --dir <skills 目錄>
常見路徑（來自 SkillHub 安裝文檔）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
示例（Cursor）：
skillhub install @user_cd81d5a2/wenhao --dir ~/.cursor/skills/
安裝後按各客戶端要求刷新或重啓 Agent，使 Skill 生效。
3. 首次使用：API Key 與音色
在瀏覽器打開小米 AI Studio 註冊免費 API Key：
https://aistudio.xiaomimimo.com
首次觸發時 Skill 會引導完成 Key 配置，並選擇音色（預設 / 克隆 / 文字描述生成）。配置會自動保存，後續無需重複填寫。
典型用法¶
Skill 在用戶表達「生成語音」「文字轉語音」「TTS」「語音合成」「朗讀這段話」「幫我配音」「生成播客」「轉成音頻」等意圖時觸發。官方給出的對話示例包括：
- 「把這段話轉成語音」
- 「幫我朗讀這段文字」
- 「生成播客音頻」
- 「用白樺的聲音讀一下」
- 「TTS 這段內容」
- 「換個聲音」
實際操作方式：在已安裝 Skill 的 Agent 中粘貼或選中待讀文本，用上述自然語言說明需求即可；Agent 會按 Skill 流程完成口語化、分段、合成與合併，並交付 WAV。指定音色時可直接說出預設名（如「白樺」）。
適用場景與注意¶
適合：需要把中文或英文文稿快速變成試聽稿、播客粗剪、旁白草稿的場景；希望口語感、停頓和填充詞由 Skill 統一處理，而不是手寫 SSML 或自己拼多段音頻。
注意：
- 必須配置 MiMo API Key；密鑰請僅保存在本地配置，勿提交到倉庫。
- 長文依賴自動分段與多次 API 調用，生成時間與段落數量相關。
- 克隆音色需自備 10–30 秒清晰錄音；效果取決於素材質量。
- 「API 目前完全免費」以小米 AI Studio / Skill 說明爲準，後續計費策略如有變更需以官方爲準。
- Skill 爲 community 來源，使用前可在 SkillHub 頁面查看版本與說明。
結尾¶
MiMo TTS V2.5 語音生成把 MiMo V2.5 的 TTS、口語化與長文合併封裝成 Agent Skill，適合在開發環境裏用自然語言完成「文稿 → WAV」。安裝座標 @user_cd81d5a2/wenhao，SkillHub 頁面：https://www.skillhub.cn/skills/user_cd81d5a2/wenhao，API 入口說明：https://api.skillhub.cn/user_cd81d5a2/wenhao。
