#3805 如何添加 mimo-v2-tts 模型，

pyVideoTrans 目前不支持直接添加 mimo-v2-tts 模型。软件内置的配音渠道（TTS）是预设好的，如 Edge-TTS、F5-TTS、CosyVoice、OpenAI TTS 等。要使用外部模型，需要该模型提供与软件兼容的 API 接口。

根据您提供的链接，mimo-v2-tts 是一个独立的在线 TTS 服务。您可以尝试以下方法将其接入 pyVideoTrans：

1. 检查兼容性：确认 mimo-v2-tts 服务是否提供 OpenAI 兼容的 TTS API 接口。这是目前 pyVideoTrans 接入外部 TTS 服务的主要方式。

2. 部署并配置：

   • 如果该服务提供兼容 OpenAI 的接口，您可以在 pyVideoTrans 的“配音渠道”中选择 “OpenAI TTS”。
   • 然后，进入 菜单 -> 配音设置 -> OpenAI TTS设置。
   • 在设置面板中，将 API 地址填写为 mimo-v2-tts 服务的 API 端点（URL），并填入相应的 API Key（如果需要）。
   • 在“模型”输入框中，填写该服务指定的模型名称（例如 mimo-v2）。
3. 使用兼容AI/本地模型渠道：如果该服务提供的是通用的文本生成或语音合成 HTTP API，您可以尝试在“配音渠道”中选择 “兼容AI/本地模型”，并在 菜单 -> 配音设置 -> 本地大模型设置 中配置 API 地址和模型参数。但这需要其接口格式与软件内置的适配器匹配，成功率较低。

如果 mimo-v2-tts 不提供上述兼容接口，则无法直接集成到 pyVideoTrans 中。您可以考虑使用软件已支持的、功能类似的渠道，如阿里 Qwen-TTS、字节火山语音或 OpenAI TTS 等作为替代。

请查阅相关文档：

• OpenaiTTS配音渠道
• 本地大模型 及 兼容AI接口的使用方法

这是小米mimo文档的信息，请你告诉我具体怎么填写配置：

语音合成
语音合成（文本转语音）支持将输入的文本自动转换为自然流畅的语音输出。您可通过配置发音风格等参数，生成表达丰富、效果生动的语音内容。

核心能力

提供预置音色：内置默认音色，满足快速使用需求。

多样化发音风格：支持指定发音风格，语音更生动自然。

支持的模型列表
当前仅支持 mimo-v2-tts 模型。

准备工作
获取 API Key 等准备工作，请参考 首次调用 API。

可选预置音色
使用时，可在 {"audio": {"voice": "mimo_default"}} 中设置预置音色。

音色名    voice参数
MiMo-默认    mimo_default
MiMo-中文女声    default_zh
MiMo-英文女声    default_en
当前不支持音色克隆

风格控制
语音整体风格控制
将 style 置于转换目标文本开头，其中 style 为需要生成的音频风格。如需设置多种风格，请将多个风格名称置于同一个  标签内，分隔符不限。

格式示例：风格1 风格2待合成内容。

以下是一些推荐使用的风格，支持使用不在列表中的风格。

风格类型    风格示例
语速控制    变快/变慢
情绪变化    开心/悲伤/生气
角色扮演    孙悟空/林黛玉
风格变化    悄悄话/夹子音/台湾腔
方言    东北话/四川话/河南话/粤语
样例：

开心明天就是周五了，真开心！
东北话哎呀妈呀，这天儿也忒冷了吧！你说这风，嗖嗖的，跟刀子似的，割脸啊！
粤语呢个真係好正啊！食过一次就唔会忘记！
唱歌原谅我这一生不羁放纵爱自由，也会怕有一天会跌倒，Oh no。背弃了理想，谁人都可以，哪会怕有一天只你共我。
音频标签细粒度控制
通过 [音频标签] ，你可以对声音进行细粒度控制，精准调节语气、情绪和表达风格——无论是低声耳语、放声大笑，还是带点小情绪的小吐槽，也可以灵活插入呼吸声，停顿，咳嗽等，都能轻松实现。语速同样可以灵活调整，让每句话都有它该有的节奏。

样例：

（紧张，深呼吸）呼……冷静，冷静。不就是一个面试吗……（语速加快，碎碎念）自我介绍已经背了五十遍了，应该没问题的。加油，你可以的……（小声）哎呀，领带歪没歪？
（极其疲惫，有气无力）师傅……到地方了叫我一声……（长叹一口气）我先眯一会儿，这班加得我魂儿都要散了。
如果我当时……（沉默片刻）哪怕再坚持一秒钟，结果是不是就不一样了？（苦笑）呵，没如果了。
（寒冷导致的急促呼吸）呼——呼——这、这大兴安岭的雪……（咳嗽）简直能把人骨头冻透了……别、别停下，走，快走。
（提高音量喊话）大姐！这鱼新鲜着呢！早上刚捞上来的！哎！那个谁，别乱翻，压坏了你赔啊？！
调用示例
注意事项

语音合成的目标文本需填写在 role 为 assistant 的消息中，不可放在 user 角色的消息内。
user 角色的消息为可选参数，但建议用户携带，可在部分场景下调整语音合成的语气与风格。
指定语音风格时，需将 style 置于目标文本开头。
如需体验更佳的唱歌风格，必须在目标文本最开头仅添加 唱歌 标签，格式为：唱歌歌词。
非流式调用
Curl


curl --location --request POST 'https://api.xiaomimimo.com/v1/chat/completions' \
--header "api-key: $MIMO_API_KEY" \
--header 'Content-Type: application/json' \
--data-raw '{
    "model": "mimo-v2-tts",
    "messages": [
        {
            "role": "user",
            "content": "Hello, MiMo, have you had lunch?"
        },
        {
            "role": "assistant",
            "content": "Yes, I had a sandwich."
        }
    ],
    "audio": {
        "format": "wav",
        "voice": "mimo_default"
    }
}'
Python


import os
from openai import OpenAI
import base64

client = OpenAI(
    api_key=os.environ.get("MIMO_API_KEY"),
    base_url="https://api.xiaomimimo.com/v1"
)

completion = client.chat.completions.create(
    model="mimo-v2-tts",
    messages=[
        {
            "role": "user",
            "content": "Hello, MiMo, have you had lunch?"
        },
        {
            "role": "assistant",
            "content": "Yes, I had a sandwich."
        }
    ],
    audio={
        "format": "wav",
        "voice": "mimo_default"
    }
)

message = completion.choices[0].message
audio_bytes = base64.b64decode(message.audio.data)
with open("audio_file.wav", "wb") as f:
    f.write(audio_bytes)

mimo-v2-tts 提供了与 OpenAI TTS 兼容的 API 接口，可以将其作为“OpenAI TTS”渠道接入 pyVideoTrans。

配置步骤如下：

1. 获取 API Key：在小米 MiMo 平台注册并获取您的 MIMO_API_KEY。
2. 选择配音渠道：在 pyVideoTrans 主界面的“配音渠道”下拉列表中，选择 OpenAI TTS。
3. 进入设置面板：点击顶部菜单栏的 配音设置 -> OpenAI TTS设置。

4. 填写配置信息：

   • API URL：填写 https://api.xiaomimimo.com/v1
   • API Key：填写您获取到的 MIMO_API_KEY
   • 模型：填写 mimo-v2-tts

5. （可选）配置音色：根据文档，音色通过 audio 参数中的 voice 字段指定（如 mimo_default, default_zh, default_en）。pyVideoTrans 的“配音角色”下拉列表可能无法直接映射这些值。您可以尝试以下方法：

   • 在“配音角色”中任选一个，软件可能会忽略此值并使用 API 默认音色。
   • 更可靠的方法是，在 菜单 -> 工具 -> 高级选项 的 字幕配音调整 部分，找到或添加自定义参数，但当前版本可能未开放此深度定制。通常，配置好 API 地址和模型后，音色由服务端默认决定或需要在提示词中指定。
6. 使用风格控制：文档指出，如需指定风格（如“开心”、“东北话”），需要将风格标签置于待合成文本的开头。这意味着您可能需要在 翻译阶段，通过自定义提示词或在翻译结果中手动为每句字幕添加风格前缀，pyVideoTrans 目前没有为此功能提供自动化设置。

重要提示：由于该 API 要求将待合成的文本放在 messages 列表中 role 为 "assistant" 的 content 里，并且可选的 user 消息会影响语气，这与标准 OpenAI TTS 接口格式存在差异。pyVideoTrans 内置的 OpenAI TTS 适配器可能无法完全兼容此格式，可能导致调用失败。如果配置后无法正常生成语音，则表明当前软件版本尚未适配此特定接口格式。

请查阅相关文档：

• OpenaiTTS配音渠道

为解决，请求适配 mino-v2-tts
改模型现在是免费使用。@Admin

未解决，请求适配 mino-v2-tts
改模型现在是免费使用。@Admin

根据您提供的 API 文档，mimo-v2-tts 的调用方式与标准的 OpenAI TTS API 存在关键差异，这导致直接使用现有的“OpenAI TTS”渠道配置可能无法工作。主要问题在于其请求格式：它要求将待合成的文本放在 messages 列表中 role 为 "assistant" 的 content 里，而标准的 OpenAI TTS API 是直接将文本作为 input 参数传递。

目前，pyVideoTrans 软件内置的 OpenAI TTS 适配器是按照标准格式实现的，因此无法直接兼容 mimo-v2-tts 的特殊格式。要实现适配，需要对软件的 tts/openai.py 模块进行修改。

以下是适配步骤，需要您具备一定的 Python 编程能力或等待开发者更新：

1. 定位并备份文件：找到 pyVideoTrans 安装目录下的 videotrans/tts/openai.py 文件，先进行备份。
2. 修改代码：打开 openai.py，找到生成请求数据的函数（通常是 get_voice 或类似方法）。您需要将原有的请求体构造逻辑，替换为符合 mimo-v2-tts 要求的格式。

3. 参考修改示例：以下是一个关键代码修改的示例思路（具体函数名和变量名需以实际代码为准）：

   # 修改前（标准OpenAI TTS格式）：
   data = {
       "model": "tts-1",
       "input": text,
       "voice": voice,
       "response_format": "mp3"
   }
   # 修改后（适配mimo-v2-tts格式）：
   data = {
       "model": "mimo-v2-tts",  # 固定模型名
       "messages": [
           {
               "role": "user",
               "content": ""  # 可留空或填写固定提示词，可能影响语气
           },
           {
               "role": "assistant",
               "content": text  # 待合成的文本放在这里
           }
       ],
       "audio": {
           "format": "mp3",  # 或 "wav"
           "voice": voice  # 从软件界面选择的“配音角色”值，需映射为 mimo_default 等
       }
   }

4. 音色映射：您可能还需要修改代码，将软件界面选择的“配音角色”（如 alloy, echo 等）映射为 mimo-v2-tts 支持的 voice 参数值（mimo_default, default_zh, default_en）。
5. 测试：修改保存后，在软件中配置 API URL 为 https://api.xiaomimimo.com/v1，并填入您的 API Key，然后进行测试。

重要提醒：由于这是对核心代码的修改，存在风险，可能导致该配音渠道完全不可用。如果您不熟悉代码，更稳妥的方式是：

• 在官方论坛或 GitHub Issues 中提交功能请求，附上此 API 文档，建议开发者官方适配。
• 暂时使用其他已兼容且免费的配音渠道，如 Edge-TTS。

请查阅相关文档：

• OpenaiTTS配音渠道
• edgeTTS 配音渠道