免费使用小米MIMO-V2.5-TTS在线语音模型搭配阅读APP听小说

前言

逛 B 站的时候发现了一个有意思的项目：用小米的 MiMo-V2.5-TTS 在线语音模型，搭配手机阅读 APP 来听小说，作者是 B 站 UP 主夜雨扰心弦。

我试用了一下，这个项目虽然还比较初期，但更新到 MiMo-V2.5 之后效果好了很多，声音的自然度、语气都比预期好，甚至比 MultiTTS、TTS server 这类更成熟的免费项目只强不弱。所以专门推荐一下，喜欢"听书"的朋友可以试试。

先搞清楚：TTS 的两条路线

"听书"这件事，最大的差别不在用哪个 App，而在语音是从哪来的。目前就两条路：

这就解释了为什么"另一个 TTS 项目"总在更新、总有人换——本地引擎受限于手机算力，音质天花板就在那儿；云端模型可以跑大得多的网络，音质自然更好。代价是必须联网，而且你看的文本会经过小米的服务器。

这一点要说清楚：如果你听的只是公开出版的小说，问题不大；但如果是自己写的东西、或者含个人信息的文档，用云端 TTS 就等于把它上传了。敏感内容建议还是用本地引擎。

想了解"完全本地、绝不联网"的另一条路，可以看本地运行 Gemma 4那篇，思路是一样的。

下载

作者提供了两个下载渠道：

• 夸克盘：https://pan.quark.cn/s/bec6b4aa62b8

• 百度盘：https://pan.baidu.com/s/15Xxj3xaXZn6i2rjcWvU2Sw?pwd=e4n7

部署使用

作者提供了 Windows 和安卓两种部署方法。我自己用 Windows 演示，安卓的原理相同，只是操作更麻烦一点（需要的可以去看作者"部署豆包那期"的视频，讲得很详细）。

1. 下载并解压

下载压缩包后，解压到一个文件夹里（路径最好别带中文和空格，避免一些工具读取异常）：

"路径别带中文和空格"不是迷信，这是 Windows 上的老问题：很多命令行工具在处理带空格/非 ASCII 的路径时，参数解析会出错或截断。放在 D:\mimo-tts 这种纯英文短路径下最稳。

2. 运行启动脚本

双击运行目录里的 start.bat：

3. 打开 Web 界面

根据终端提示，在浏览器打开对应的 Web 界面地址。注意：这个终端窗口不要关，一旦关了服务就停了。

为什么会这样：start.bat 启动的是一个本地服务器进程，那个黑窗口就是它的"生命体征"。关掉窗口 = 杀掉进程 = 服务停止。这在 Windows 上是个通病——不像 Linux 可以用 systemd 让它后台常驻。

实用建议：如果想让它在后台跑，可以用 Windows 的"任务计划程序"创建一个"登录时启动"的任务，或者干脆把它丢在角落里最小化，别手贱点关闭。更重要的是——电脑睡眠/休眠也会让服务中断，如果你打算边干活边听书，记得把电源计划里的睡眠关掉。

4. 填写 MiMo API Key

进入设置页，填写 MiMo API Key：

5. 获取 API Key

API Key 需要到小米 MiMo 开放平台，登录小米账号后在控制台获取，网站地址：

https://platform.xiaomimimo.com/console/balance

⚠️ 注意：新建的 API Key 只在创建时显示一次，一定要当场保存好，关掉页面就再也看不到了。我这里填的是示例 key，别直接复制使用——要用你自己的，否则没法调用。

"只在创建时显示一次"——这是安全设计，不是产品缺陷。正规平台的 API Key 在服务器上只存哈希值（一段不可逆的摘要），所以平台自己也无法"再显示一遍"给你看。只有创建的那一刻，明文在浏览器里出现过一次，之后就永久消失了。

所以养成一个习惯：创建 Key 的当下就存进密码管理器（或者至少粘到本地文本文件里）。万一真丢了，处理办法只有一个——删掉旧的、重新创建一个，重新填一遍。没有"找回"这条路。

6. 测试合成效果

输入一段文本、选择一个音色，点开始合成测试一下效果。实测声音自然度和语气表现还是很好的：

接入阅读 APP（重点）

Web 端跑通后，把它接入手机上的阅读 APP，就能实现"用 MiMo 语音听小说"了：

1. 一键导入（或手动）

在 Web 页面切到 阅读 APP 界面，选择音色后，点一键导入即可把 TTS 引擎导入到手机上的阅读 APP。

我看作者演示是自动导入的，但我打开 App 的 Web 访问后没反应。没关系，如果自动导入不行，就选择手动导入（下面几步）。

2. 复制配置

先复制页面里给出的引擎配置：

3. 打开阅读 App 的朗读引擎设置

手机上的阅读 App（指开源阅读 Legado）里，进入 朗读设置 → 朗读引擎：

4. 新建引擎并粘贴源

点新建引擎，来源类型选择 粘贴源：

5. 粘贴配置

把刚才复制的配置粘贴进去，保存后就是这个样子：

6. 切换引擎测试

在阅读 App 里把朗读引擎切换到 MiMo-TTS，然后点朗读测试一下。效果还不错：

"粘贴源"这个东西的本质值得知道一下：所谓朗读引擎配置，其实就是一段 JSON——里面写着"请求哪个地址、用什么参数、返回的音频在哪"。阅读 App 支持的是下面这套约定：

• 请求：你给它一段文字，它发到配置里指定的地址

• 响应：那个地址返回音频数据（或一个音频链接），App 拿去播放

所以引擎本质上是一个 HTTP 接口。理解了这点，你就能明白为什么"引擎"能来自任何地方——只要那个地址能按约定吐出音频就行。这也是为什么手机必须能访问到那个服务地址（下一节会讲这个坑）。

7. 查看终端

看一下后台终端，项目会持续合成后续的语音（有预取机制），朗读时基本不用担心卡顿：

"预取"是让听书不卡的关键机制，值得解释一下：朗读是边听边合成的，如果每读完一段才去请求下一段，每段之间都会停顿等网络。项目做的是你还在听第 N 段的时候，后台已经把第 N+1、N+2 段合成好了——所以终端里会一直刷合成日志，而你的播放是连续的。

代价是：预取会提前消耗额度。你听到一半就退出，后面预取的那些也已经被计费了。所以听书过程中频繁"听两句就切走"其实挺浪费的。

几个容易踩的坑

1. 手机连不上服务

最常见的问题。如果你在电脑上跑这个服务，手机上的阅读 App 要访问它，地址不能填 localhost 或 127.0.0.1——那指的是手机自己。要么填电脑的局域网 IP（形如 192.168.x.x），要么把服务部署到一台 24 小时开机的机器上（比如 NAS）。

还要确认防火墙：Windows 防火墙默认会拦掉外部访问本地端口的请求，需要在"入站规则"里放行这个端口。

2. 听书听一半断了

先看服务端窗口还开着没。如果窗口被关了、或者电脑睡眠了，合成自然就停了。这是"电脑当服务器"这种方案的固有毛病。

3. 换了网络环境就用不了

因为服务在你自己家里，出门用流量就访问不到了。想在外面也能听，得做内网穿透（把家里的服务暴露到公网）。这块我写过几篇，比如 Cloudflare Tunnel 方案，但要注意：把服务暴露到公网前，务必确认服务本身有鉴权，否则等于把接口开放给所有人用。

其他功能与不足

项目还提供了一些其他功能，我实测下来效果一般：

• 文字描述 / 语音克隆：试了一下，不如默认音色的效果好，追求稳定的建议还是用默认音色；

• AI 分配角色：可以让不同角色用不同声音，但语音衔接不太好，多角色对话时体验一般；

• 手机端部署：作者也提供了安卓端方案，可以脱离电脑使用，但部署起来比较麻烦。

为什么"语音克隆"这类功能常常不达预期：少样本克隆的原理是"给你一段参考音频，模型去模仿它的音色"。它能学到音色特征（听起来像谁），但学不到语气和节奏的处理方式。所以克隆出来的声音往往"像但是僵"——音色对了，但语调平平。想稳定还不如用官方调好的音色，这是有道理的，不是功能没做好。

个人结论

这套 MiMo-TTS 听小说的方案，胜在音色质量确实能打（尤其 MiMo-V2.5 更新后），在免费方案里属于第一梯队，比老牌的 MultiTTS、TTS server 体验更好。搭建成本不高：Windows 端下个包跑起来、填个 MiMo key、再手动导入到阅读 App 就能听。

但有三件事要先接受：一是必须联网，服务在电脑上就得占用一台常开的机器；二是文本会经过云端，敏感内容别用它；三是依赖第三方个人项目 + 自己的 API 额度，项目停更或额度用完都会影响使用。

缺点是部分进阶功能（语音克隆、AI 角色配音）还不够成熟，以及 key 只在创建时显示一次容易弄丢。期待作者继续更新，把功能做完善、部署做得更简单。喜欢用 AI 语音听书的朋友，值得一试。