首页 / 科技 / 小米发布MiMo-V2.5-ASR语音模型，支持方言、双语等复杂场景，API定价国内0.5元/小时

小米发布MiMo-V2.5-ASR语音模型，支持方言、双语等复杂场景，API定价国内0.5元/小时

摸鱼不慌 2026-07-07 11:08:47

小米Mino今日宣布，其全链路语音模型听觉基座MiMo-V2.5-ASR正式上线。该模型宣称在方言、双语、强噪音、多说话人等真实复杂场景下均达到业界领先水平。

ASR技术：语音转文字的识别引擎

ASR（Automatic Speech Recognition）即自动语音识别技术，负责将人类语音信号转化为可编辑的文本。MiMo-V2.5-ASR作为全链路模型，覆盖从声学处理到语义理解的全过程。

七项核心功能覆盖多场景识别

在中文方言方面，MiMo-V2.5-ASR支持粤语、吴语、闽南语、四川话等。Code- Switch功能可实现中英混转自由流畅，用户无需预设语种。歌曲识别可高精度识别中英文歌词及伴奏人声混合场景。强噪音环境下，模型具备高噪音、远场拾音等复杂环境中的鲁棒识别能力。多说话人场景支持多人交叉对话的准确转录。知识关联方面，古诗词、专业术语、人名地名均可精准识别。同时，MiMo-V2.5-ASR结合韵律与语义直接输出原生标点，实现转写即用。