4月24日，小米公司宣布推出MiMo-V2.5-TTSSeries与MiMo-V2.5-ASR，这是一套面向Agent时代的全链路语音模型系列，旨在提升语音识别与合成的能力。MiMo-V2.5-TTSSeries包含三款模型，已在小米MiMo开放平台上线，并提供限时免费使用。这些模型具备统一的风格指令遵循、音频标签控制与文本理解能力，能够满足不同场景下的语音表达需求。

MiMo-V2.5-TTSSeries的三款模型分别针对不同的创作需求：MiMo-V2.5-TTS提供多款高质量音色并支持精细化控制；MiMo-V2.5-TTS-VoiceDesign允许快速定义并生成新音色；MiMo-V2.5-TTS-VoiceClone则能高保真复刻目标音色。此外，MiMo-V2.5-ASR模型正式开源，其在中英双语、方言识别、Code-Switch、强噪音等复杂场景下表现出色，为Agent提供精准的语音转写能力。

MiMo-V2.5-ASR的核心特点包括对中文方言的支持、在复杂英文场景中的领先表现、中英Code-Switch的流畅转录、中英文歌曲歌词的高精度识别、在强噪音场景下的鲁棒识别能力、多人对话场景的准确转录以及对知识密集型内容的精准识别。这些功能展现了MiMo-V2.5-ASR在跨场景、跨语种中的稳定优势。用户可以在XiaomiMiMoAPI开放平台免费体验这些功能，同时MiMo-V2.5-ASR的模型权重和代码也已开源，供开发者和研究者使用或进行二次开发。