MiMo-V2.5 Voice

概要

MiMo-V2.5-ASRは Xiaomi の80億パラメータのオープンソースASR。標準中国語・英語・8方言・コードスイッチ・歌詞を転写します。MITライセンス、HuggingFace公開。現場音声のノイズ・重畳・言語切替にも強い。

特徴

• 八方言をネイティブ対応（Wu・広東語・福建語・四川方言など）
• 中国語-英語コードスイッチに言語タグ不要
• 歌詞転写、ピッチ変動対応
• 複数話者・ノイズ環境耐性
• native punctuation、後処理不要
• MITライセンス、Python API、Gradioデモ、セルフホスティング可

利点・適用

• 実運用の音声条件での生産レベルの精度
• 1モデルで地域・ドメイン別ASRを置換可能
• セルフホスティングでAPIコストを抑え、データを自社インフラに保持
• すぐ使える句読点付き出力で下流パイプラインの手間を削減

対象

MLエンジニア・ボイスプロダクトチームの、バイリンガルまたは中国語転写パイプラインを構築する人。