小米发布MiMo-V2.5-ASR语音模型：方言、中英混识、抗噪等能力行业领先

2026年7月6日，小米先小米正式推出全新语音识别模型 MiMo-V2.5-ASR。发布方作为小米全链路语音技术体系的语音业领核心听觉基础模块，该模型专为攻克真实世界中的模型复杂语音环境而生。在方言精准识别、中英中英混合语境处理、混识高干扰噪声抑制、抗噪远距离拾音以及多人交叉对话等典型挑战场景下，力行其整体性能指标已达到当前行业领先水平。小米先

MiMo-V2.5-ASR 的发布方核心能力亮点如下：

• 主流方言全覆盖：深度支持粤语、吴语、语音业领闽南语、模型四川话等主流中文方言的中英精准识别。
• 中英无缝混识：实现中英文自然混用场景下的混识自动识别，无需用户预先指定语言类别，抗噪交互更流畅。
• 高精度歌曲解析：具备强大的歌曲识别能力，能在人声与伴奏交织的复杂音频中，准确提取并还原中英文歌词。
• 强环境适应性：在强噪声背景及远场收音等不利条件下，依然保持高稳定性与可靠的识别效果。
• 多人对话精细化处理：支持多人同时发言及频繁交替的复杂对话场景，实现高精度的说话人区分（Speaker Diarization）与逐字转录。
• 语义敏感增强：针对古诗词、垂直领域专业术语、人名及地名等具有强语义特征的词汇，识别准确率显著提升。
• 原生标点生成：综合语音韵律特征与上下文语义逻辑，原生支持直接输出带规范标点的文本，满足“即转即用”的高效需求。

目前，MiMo-V2.5-ASR 已正式面向开发者开放 API 接入服务，并全面兼容 Token 计费模式。计费方式按音频转写时长计算，具体价格如下：
* 中国大陆地区：每小时 0.5 元人民币
* 海外地区：每小时 0.074 美元

(责任编辑：百科)