语音识别（MiMo-V2.5-ASR）
语音识别支持将输入的音频自动转换为文本输出，适用于会议转写、歌词识别、方言转写、嘈杂环境录音等场景。您可通过指定语种等参数，提升识别准确率。
核心能力
-
覆盖多种语言与方言：支持中英双语识别及自动语种检测，原生支持粤语、吴语、闽南语、四川话等中国方言。
-
支持多种复杂场景：在噪声、远场拾音、多人重叠对话等复杂声学条件下保持稳定识别，支持带伴奏的歌词转写。
-
精准处理多种专业内容：精准识别古诗词、专业术语、人名地名等知识密集型内容，自动生成标点无需后处理。
支持的模型
当前仅支持 mimo-v2.5-asr 模型。
准备工作
获取 API Key 等准备工作，请参考 首次调用 API。
支持的音频格式
目前仅支持 wav 和 mp3 格式的音频样本文件，传入前需将音频文件转换为 Base64 编码字符串，Base64 编码后的字符串大小上限为 10MB。
传入格式为：data:{MIME_TYPE};base64,$BASE64_AUDIO
支持的格式及对应 MIME 类型：
| 格式 | MIME 类型 |
|---|---|
| wav | audio/wav |
| mp3 | audio/mpeg 或 audio/mp3 |
调用示例
注意事项
- 音频数据需通过
input_audio.data字段以 data URL 格式传入。 - 使用
asr_options.language指定语种，未配置时为自动检测。明确语种时建议手动指定，提升识别效果。支持取值：auto、zh、en。
非流式调用
Curl
curl --location --request POST 'https://api.xiaomimimo.com/v1/chat/completions' \
--header "api-key: $MIMO_API_KEY" \
--header 'Content-Type: application/json' \
--data-raw '{
"model": "mimo-v2.5-asr",
"messages": [
{
"role": "user",
"content": [
{
"type": "input_audio",
"input_audio": {
"data": "data:{MIME_TYPE};base64,$BASE64_AUDIO"
}
}
]
}
],
"asr_options": {
"language": "zh"
}
}'
Python
import os
import base64
from openai import OpenAI
client = OpenAI(
api_key=os.environ.get("MIMO_API_KEY"),
base_url="https://api.xiaomimimo.com/v1"
)
# 需替换为本地真实的文件路径
with open("audio_file.wav", "rb") as f:
audio_bytes = f.read()
audio_base64 = base64.b64encode(audio_bytes).decode("utf-8")
completion = client.chat.completions.create(
model="mimo-v2.5-asr",
messages=[
{
"role": "user",
"content": [
{
"type": "input_audio",
"input_audio": {
"data": f"data:audio/wav;base64,{audio_base64}"
}
}
]
}
],
extra_body={
"asr_options": {
"language": "zh"
}
}
)
print(completion.model_dump_json())
流式调用
Curl
curl --location --request POST 'https://api.xiaomimimo.com/v1/chat/completions' \
--header "api-key: $MIMO_API_KEY" \
--header 'Content-Type: application/json' \
--data-raw '{
"model": "mimo-v2.5-asr",
"messages": [
{
"role": "user",
"content": [
{
"type": "input_audio",
"input_audio": {
"data": "data:{MIME_TYPE};base64,$BASE64_AUDIO"
}
}
]
}
],
"asr_options": {
"language": "auto"
},
"stream": true
}'
Python
import os
import base64
from openai import OpenAI
client = OpenAI(
api_key=os.environ.get("MIMO_API_KEY"),
base_url="https://api.xiaomimimo.com/v1"
)
# 需替换为本地真实的文件路径
with open("audio_file.wav", "rb") as f:
audio_bytes = f.read()
audio_base64 = base64.b64encode(audio_bytes).decode("utf-8")
completion = client.chat.completions.create(
model="mimo-v2.5-asr",
messages=[
{
"role": "user",
"content": [
{
"type": "input_audio",
"input_audio": {
"data": f"data:audio/wav;base64,{audio_base64}"
}
}
]
}
],
extra_body={
"asr_options": {
"language": "auto"
}
},
stream=True
)
for chunk in completion:
print(chunk.model_dump_json())
计费说明
更新时间 2026 年 06 月 02 日