语音合成（MiMo-TTS 系列）- OpenAI API 兼容

请求地址

https://api.xiaomimimo.com/v1/chat/completions

请求头

接口支持以下两种认证方式，请选择其中一种添加到请求头中：

api-key: $MIMO_API_KEY
Content-Type: application/json

请求体

messagesarray必选
对话的消息列表。
隐藏子属性
由终端用户发送的消息，包含提示或额外的上下文信息。
注意：使用 mimo-v2.5-tts-voicedesign 模型生成音频时，该消息为必填，用于指定音色设计描述文本。
隐藏子属性
messages.contentstring必选
用户消息的内容。
messages.rolestring必选
用户消息的角色。
可选值：user
modelstring必选
用于生成响应的模型 ID。
可选值：mimo-v2.5-tts，mimo-v2.5-tts-voicedesign，mimo-v2.5-tts-voiceclone
audioobject
音频输出参数。详情请参考语音合成。
注意：如果要生成音频，必须添加一条 role 为 assistant 的消息，该消息需指定用于音频合成的文本。此外，使用 mimo-v2.5-tts-voicedesign 模型时，role 为 user 的消息为必填，若将optimize_text_preview 设置为 true，则可省略 assistant 消息。
隐藏子属性
audio.formatstring默认值: wav
指定输出音频格式。默认值：wav，如果设置 stream: true 则为 pcm。
传入 pcm 或 pcm16，均表示指定使用 pcm16 格式。
可选值：wav，mp3，pcm，pcm16
audio.optimize_text_previewboolean默认值: false
是否开启目标音频播报文本智能优化能力。
设置为 true 时，会对传入的目标文本做智能润色；若未传入目标文本，则自动生成适配播报场景的目标文本，再将处理完成的最终文本送入模型进行合成。
注意：该参数为 true 时，可省略传入用于指定音频合成内容的 assistant 消息。
仅支持 mimo-v2.5-tts-voicedesign 模型。
audio.voicestring
预置音色的音色ID 或音频样本的 base64 编码。
mimo-v2.5-tts：该字段为可选，且仅支持使用预置音色，默认值为 mimo_default
mimo-v2.5-tts-voiceclone：该字段为必填，且仅支持传入音频样本的 base64 编码，仅支持传入 mp3 和 wav 格式的音频样本文件
mimo-v2.5-tts-voicedesign：不支持该字段
可选值：
mimo-v2.5-tts：mimo_default，冰糖，茉莉，苏打，白桦，Mia，Chloe，Milo，Dean
streamboolean默认值: false
如果设置为 true，模型的响应数据会在生成过程中通过SSE（server-sent events）的形式流式传输到客户端。

Chat 响应对象（非流式输出）

choicesarray
包含生成的回复选项列表。
隐藏子属性
choices.finish_reasonstring
模型停止生成 token 的原因：
stop：模型到达自然结束点或触发了用户指定的停止序列
length：因超出模型最大生成长度而终止
content_filter：内容因触发过滤策略而被拦截
choices.indexinteger
选项列表中对应选项的索引。
choices.messageobject
模型生成的对话补全消息。
隐藏子属性
choices.message.contentstring
消息的内容。
choices.message.rolestring
消息作者的角色。
choices.message.audioobject
如果请求输出音频，该对象将包含有关模型音频响应的数据。
隐藏子属性
choices.message.audio.idstring
此音频响应的唯一标识符。
choices.message.audio.datastring
模型生成的 Base64 编码音频，格式为请求中指定的格式。
choices.message.audio.expires_atnumber | null
此音频响应过期的 Unix 时间戳（以秒为单位）。当前仅为 null。
choices.message.audio.transcriptstring | null
模型生成的音频的文字记录。当前仅为 null。
choices.message.final_text_previewstring
经过智能优化润色后的音频播报最终文本。仅当请求参数 optimize_text_preview 设为 true 时，该字段才会返回。
createdinteger
对话补全对象创建时的 Unix 时间戳（以秒为单位）。
idstring
响应的唯一标识符。
modelstring
用于生成结果的模型。
objectstring
对象类型，仅为 chat.completion。
usageobject | null
该对话补全请求的用量信息。
隐藏子属性
usage.completion_tokensinteger
模型输出内容花费的 token。
usage.prompt_tokensinteger
提示词使用的 token 数量。
usage.total_tokensinteger
请求中使用的 token 总数（提示词 + 补全结果）。
usage.completion_tokens_detailsobject
补全中使用的 token 数量明细。
隐藏子属性
usage.completion_tokens_details.reasoning_tokensinteger
模型为推理生成的 token 数量，固定为 0。
usage.prompt_tokens_detailsobject
提示中使用的 token 数量明细。
隐藏子属性
usage.prompt_tokens_details.cached_tokensinteger
命中缓存的 token 数量。

Chat 响应 chunk 对象（流式输出）

choicesarray
包含生成的回复选项列表。
隐藏子属性
choices.deltaobject
流式模型响应生成的对话补全增量。
隐藏子属性
choices.delta.contentstring
数据块消息的内容。
choices.delta.rolestring
消息作者的角色。
choices.delta.audioobject | null
如果请求输出音频，该对象将包含有关模型音频响应的数据。
隐藏子属性
choices.delta.audio.idstring
此音频响应的唯一标识符。
choices.delta.audio.datastring
模型生成的 Base64 编码音频，格式为请求中指定的格式。
choices.delta.audio.expires_atnumber | null
此音频响应过期的 Unix 时间戳（以秒为单位）。当前仅为 null。
choices.delta.audio.transcriptstring | null
模型生成的音频的文字记录。当前仅为 null。
choices.delta.final_text_previewstring
经过智能优化润色后的音频播报最终文本。仅当请求参数 optimize_text_preview 设为 true 时，该字段才会返回。
choices.finish_reasonstring | null
模型停止生成 token 的原因：
stop：模型到达自然结束点或触发了用户指定的停止序列
length：因超出模型最大生成长度而终止
content_filter：内容因触发过滤策略而被拦截
choices.indexinteger
选项列表中对应选项的索引。
createdinteger
对话补全对象创建时的 Unix 时间戳（以秒为单位）。每个数据块均使用相同的时间戳。
idstring
对话补全对象的唯一标识符。每个数据块均使用相同的 ID。
modelstring
用于生成结果的模型。
objectstring
对象类型，仅为 chat.completion.chunk。
usageobject | null
该对话补全请求的用量信息。
隐藏子属性
usage.completion_tokensinteger
模型输出内容花费的 token。
usage.prompt_tokensinteger
提示词使用的 token 数量。
usage.total_tokensinteger
请求中使用的 token 总数（提示词 + 补全结果）。
usage.completion_tokens_detailsobject
补全中使用的 token 数量明细。
隐藏子属性
usage.completion_tokens_details.reasoning_tokensinteger
模型为推理生成的 token 数量，固定为 0。
usage.prompt_tokens_detailsobject
提示中使用的 token 数量明细。
隐藏子属性
usage.prompt_tokens_details.cached_tokensinteger
命中缓存的 token 数量。

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-v2.5-tts",
    "messages": [
        {
            "role": "user",
            "content": "Bright, bouncy, slightly sing-song tone — like you are bursting with good news you can barely hold in. Fast pace, rising pitch at the end."
        },
        {
            "role": "assistant",
            "content": "Hey boss — guess what, guess what? I just got the results back and I actually passed! Not just passed, I got a distinction! I know, I know — you told me I was cutting it close, but hey, here we are. Drinks are on me tonight, okay?"
        }
    ],
    "audio": {
        "format": "wav",
        "voice": "mimo_default"
    }
}'

响应

{
    "id": "6ebed286b58546f6b87fa7fa9d0e806b",
    "choices": [
        {
            "finish_reason": "stop",
            "index": 0,
            "message": {
                "content": "",
                "role": "assistant",
                "audio": {
                    "id": "979a91904f9a4143928d9e1f54837b4f",
                    "data": "base64Data",
                    "expires_at": null,
                    "transcript": null
                },
                "tool_calls": null
            }
        }
    ],
    "created": 1776954802,
    "model": "mimo-v2.5-tts",
    "object": "chat.completion",
    "usage": {
        "completion_tokens": 97,
        "prompt_tokens": 213,
        "total_tokens": 310,
        "completion_tokens_details": {
            "reasoning_tokens": 0
        },
        "prompt_tokens_details": {
            "cached_tokens": 109
        }
    }
}

更新时间 2026 年 07 月 17 日

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-v2.5-tts",
    "messages": [
        {
            "role": "user",
            "content": "Bright, bouncy, slightly sing-song tone — like you are bursting with good news you can barely hold in. Fast pace, rising pitch at the end."
        },
        {
            "role": "assistant",
            "content": "Hey boss — guess what, guess what? I just got the results back and I actually passed! Not just passed, I got a distinction! I know, I know — you told me I was cutting it close, but hey, here we are. Drinks are on me tonight, okay?"
        }
    ],
    "audio": {
        "format": "wav",
        "voice": "mimo_default"
    }
}'

响应

{
    "id": "6ebed286b58546f6b87fa7fa9d0e806b",
    "choices": [
        {
            "finish_reason": "stop",
            "index": 0,
            "message": {
                "content": "",
                "role": "assistant",
                "audio": {
                    "id": "979a91904f9a4143928d9e1f54837b4f",
                    "data": "base64Data",
                    "expires_at": null,
                    "transcript": null
                },
                "tool_calls": null
            }
        }
    ],
    "created": 1776954802,
    "model": "mimo-v2.5-tts",
    "object": "chat.completion",
    "usage": {
        "completion_tokens": 97,
        "prompt_tokens": 213,
        "total_tokens": 310,
        "completion_tokens_details": {
            "reasoning_tokens": 0
        },
        "prompt_tokens_details": {
            "cached_tokens": 109
        }
    }
}