Xiaomi a lansat o nouă versiune a modelelor AI MiMo V2.5, care permit conversia textului în voce și invers.

Xiaomi lansează noi modele vocale de inteligență artificială

Compania Xiaomi a prezentat două versiuni ale modelelor sale AI vocale, care funcționează cu text și audio:

ModelFuncțieCaracteristici cheieMiMo‑V2.5‑TTSText → vorbire3 variante, gratuite pentru o perioadă limitată pe MiMo Studio; reglare a vitezei, tonului și emoțiilor; posibilitatea de a crea noi voci dintr-o frază scurtă (VoiceDesign) și clonarea unei voci dintr-un set mic de mostre (VoiceClone).MiMo‑V2.5‑ASRVorbește → textRecunoașterea vorbirii orale în condiții dificile, suport pentru dialecte chinezești + engleză; dialoguri bilingve și texte de cântece (vocal pe fundal muzical); funcționare la zgomot puternic; plasarea automată a punctuației după intonație.

Cum se utilizează MiMo‑V2.5‑TTS
1. Variantele de bază – alegi una dintre vocile predefinite și poți schimba viteza, tonul și nuanța emoțională.

2. VoiceDesign – introduci o frază scurtă, după care sistemul generează un nou timbru vocal.

3. VoiceClone – încarci câteva mostre ale vocii alese; modelul le reproduce păstrând stilul și instrucțiunile.

Pentru a obține sunetul dorit utilizatorul poate:

- Adăuga tag-uri speciale la text;

- Descrie vocea într-un limbaj natural simplu (în chineză sau engleză);

- Crea scenarii pentru producții virtuale, unde mai multe voci interacționează simultan.

Caracteristici MiMo‑V2.5‑ASR
- Multilingvitate – suport pentru mai multe dialecte chinezești și engleză.

- Decodarea melodiilor – modelul extrage vocalul chiar și în prezența muzicii de fundal.

- Rezistență la zgomot – recunoaștere precisă în condiții de zgomot puternic.

- Punctuație pe bază de intonație – introduce automat semnele de punctuație, reducând nevoia de corectare manuală.

Astfel, Xiaomi extinde capacitățile sale în domeniul tehnologiilor vocale, oferind instrumente flexibile atât pentru crearea vorbirii sintetizate, cât și pentru recunoașterea precisă a informațiilor orale.