小米 MiMo-V2.5-ASR 全链路语音模型听觉基座上线，定价 0.5 元 / 小时

7 月 7 日消息，小米 Mino 今日宣布 MiMo-V2.5-ASR 正式上线。

作为全链路语音模型听觉基座，MiMo-V2.5-ASR 宣称在方言、双语、强噪音、多说话人等复杂真实场景下均达到业界领先水平。

• 中文方言：覆盖粤语、吴语、闽南语、四川话等

• Code- Switch：中英混转自由流畅，无需预设语种

• 歌曲识别：中英文歌词，伴奏人声混合场景高精度识别

• 强噪音：高噪音、远场拾音等复杂环境中鲁棒识别

• 多说话人：多人交叉对话场景准确转录

• 知识关联：古诗词、专业术语、人名地名精准识别

• 原生标点：结合韵律与语义直接输出标点，转写即用

MiMo-V2.5-ASR 已开放 API 并支持在 Token Plan 中使用。

API 定价：按照音频转写时长计费，国内￥0.5/h，海外 $0.074 /h。

附接入文档链接如下：

https://mimo.mi.com/docs/zh-CN/quick-start/usage-guide/audio/Speech-Recognition

相关阅读：

• 《小米发布 MiMo-V2.5-TTS / ASR 语音大模型：通过自然语言调度声音表现》