Skip to content

README.md

Latest commit

 

History

History
187 lines (133 loc) · 6.03 KB

README.md

File metadata and controls

187 lines (133 loc) · 6.03 KB

XiaomiTTS-to-OpenAI-TTS-API

English

将小米 MiMo TTS API 转换为 OpenAI 兼容的 TTS API 代理服务，可直接作为 OpenClaw 等应用的 TTS 后端。

功能

  • OpenAI 兼容接口：POST /v1/audio/speech，完整兼容 OpenAI TTS API
  • OpenClaw 支持：开箱即用，作为 OpenClaw 的 TTS Provider
  • 音频格式兼容：支持 mp3、wav、opus、aac、flac、pcm，小米不支持的格式自动转码
  • 语音映射：OpenAI voice 名称自动映射到 MiMo 音色，不支持的 voice 自动回退
  • 风格标签：Web UI 内置 MiMo 官方风格标签和音频标签，点击即可填入
  • Web UI：访问根路径 / 即可使用可视化 TTS 测试页面
  • Docker 支持：提供 Dockerfile 和多平台构建脚本

OpenClaw 集成

本服务的主要用途之一是作为 OpenClaw 的 TTS 后端，让 OpenClaw 通过小米 MiMo 获得语音合成能力。

部署代理服务

docker run -d -p 8080:8080 -e XIAOMI_API_KEY=sk-你的小米密钥 yshtcn/xiaomitts-to-openai:latest

配置 OpenClaw

在 .openclaw/openclaw.json 中添加或修改 TTS 配置：

{
  "tts": {
    "auto": "always",
    "provider": "openai",
    "providers": {
      "openai": {
        "apiKey": "sk-你的小米密钥",
        "baseUrl": "http://你的服务地址:8080/v1/",
        "model": "mimo-v2-tts",
        "voice": "mimo_default"
      }
    }
  }
}
字段 说明
apiKey 小米 MiMo API 密钥（必填，代理会透传给小米 API）
baseUrl 代理服务地址，注意末尾带 /v1/
model 填 mimo-v2-tts，代理会统一映射
voice 可选 mimo_default、default_zh（中文女声）、default_en（英文女声）

OpenClaw 请求的任何音频格式（包括 opus）都会被代理自动处理，无需额外配置。

快速开始

Docker 运行

docker run -d -p 8080:8080 -e XIAOMI_API_KEY=sk-xxx yshtcn/xiaomitts-to-openai:latest

Docker 镜像已内置 ffmpeg，无需额外安装。

本地运行

  1. 复制 .env.example 为 .env，填入你的小米 API Key：
XIAOMI_API_KEY=sk-your-key-here
  1. 安装依赖并运行（本地需安装 ffmpeg 以支持音频格式转码）：
pip install -r requirements.txt
python main.py
  1. 访问 http://localhost:8080 使用 Web UI

API 使用

生成语音

curl http://localhost:8080/v1/audio/speech \
  -H "Authorization: Bearer sk-your-xiaomi-key" \
  -H "Content-Type: application/json" \
  -d '{"model":"mimo-v2-tts","input":"你好世界","voice":"mimo_default"}' \
  --output speech.mp3

参数说明

参数 类型 必填 说明
model string 是 模型名（任意值均映射到 mimo-v2-tts）
input string 是 要合成的文本（最大 4096 字符），支持 <style> 标签和音频标签
voice string 是 音色（见下方音色列表，不支持的 voice 自动回退到 mimo_default）
response_format string 否 音频格式：mp3（默认）、wav、opus、aac、flac、pcm
speed number 否 语速 0.25-4.0（默认 1.0）
instructions string 否 自然语言指令

音色

值 说明
mimo_default MiMo 默认
default_zh 中文女声
default_en 英文女声

OpenAI 标准 voice 名称（alloy、echo、nova 等）会自动映射到 mimo_default。任何不在支持列表中的 voice 同样自动回退到 mimo_default。

音频格式兼容

小米 API 仅支持 mp3、wav、pcm、pcm16。当调用方请求 opus、aac、flac 时，代理会：

  1. 向小米请求最接近的支持格式（mp3 或 wav）
  2. 使用 ffmpeg 转码为调用方请求的格式
  3. 以正确的 Content-Type 返回

如果转码失败，会优雅降级返回原始格式而非报错。

风格与音频标签

MiMo TTS 支持通过特定格式控制语音风格和嵌入音频事件。Web UI 中内置了这些标签的快捷按钮。

风格标签

在文本开头添加 <style> 标签指定风格，多个风格用逗号分隔：

<style>开心</style>明天就是周五了，真开心！
<style>东北话</style>哎呀妈呀，这天儿也忒冷了吧！
<style>粤语</style>呢个真係好正啊！食过一次就唔会忘记！
<style>开心,东北话</style>哎呀妈呀，太高兴了！
<style>唱歌</style>原谅我这一生不羁放纵爱自由...

官方推荐风格（支持不在列表中的自定义风格）：

类别 风格
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

音频标签

在文本中使用中文括号 （） 包裹音频事件描述：

（紧张，深呼吸）呼……冷静，冷静。不就是一个面试吗……
（极其疲惫，有气无力）师傅……到地方了叫我一声……
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。
（提高音量喊话）大姐！这鱼新鲜着呢！

更多详情参见 小米 MiMo TTS 官方文档。

环境变量

变量 默认值 说明
XIAOMI_API_KEY - 小米 MiMo API 密钥
XIAOMI_BASE_URL https://api.xiaomimimo.com 小米 API 地址
XIAOMI_MODEL mimo-v2-tts 小米 TTS 模型名
DEFAULT_VOICE mimo_default 默认语音
PORT 8080 服务端口

Docker 构建

提供三个构建脚本：

  • build-docker-gitea.ps1 — 推送到 Gitea（latest 标签）
  • build-docker-gitea-beta.ps1 — 推送到 Gitea（beta 标签）
  • build-docker-hub.ps1 — 推送到 Docker Hub

友情链接（中文）