【CNMO科技消息】3月19日凌晨，小米技术官方宣布，正式上线三大自研MiMo-V2系列模型，包括旗舰Pro、全模态基座Omni以及语音合成TTS，为Agent时代注入全新活力。
小米此次发布的Xiaomi MiMo-V2-TTS语音合成大模型，专为全模态交互设计，通过自研Audio Tokenizer和多码本语音-文本联合建模架构，实现了高度可控的多粒度语音风格控制。该模型支持从整体风格到局部情绪的精准调节，能够真实还原人类说话的自然韵律，甚至在唱歌时也能准确表达音高和节奏，展现出自然且富有表现力的语音生成能力。
与此同时，小米还推出了面向Agent时代的全模态基座模型Xiaomi MiMo-V2-Omni。该模型融合了文本、视觉、语音的全模态感知与行动能力，原生具备多模态感知、工具调用、函数执行及GUI操作能力，可无缝接入各种Agent框架，大幅降低了全模态Agent的落地门槛。在匿名内测阶段，MiMo-V2-Omni凭借其强大的感知与推理能力，在OpenRouter平台上的调用量持续攀升，并在OpenClaw测评榜单上拿下均分第一。
此外，小米还发布了面向高强度Agent工作场景的旗舰基座模型Xiaomi MiMo-V2-Pro。该模型拥有超过1T的总参数量，支持1M超长上下文长度，通过Scaling参数和算力，实现了从Coding到Claw的重要泛化。在全球权威大模型综合智能排行榜上，MiMo-V2-Pro位列全球第八，国内第二，展现了其领先的智能水平。
目前，MiMo-V2-Omni和MiMo-V2-Pro模型已正式开放API服务，并联合多家Agent开发框架团队，为全球开发者提供限时免费接口支持。
版权所有，未经许可不得转载