معرفی مدل هوش مصنوعی mimo-v2.5-tts-voicedesign شیائومی

اطلاعات مدل

شناسه (Slug)

mimo-v2-5-tts-voicedesign

تاریخ انتشار

۲ اردیبهشت ۱۴۰۵

سازمان

Xiaomi

دسترسی

پولی

سایت رسمی

www.mi.com

داده‌های تحلیلی

شمار پارامترها

۳۱۰,۸B پارامتر

مجوز

MIT

ورودی

متن، تصویر، صدا، ویدئو

خروجی

متن

پنجرهٔ زمینه

۱,۱ میلیون توکن

میانگین قیمت ورودی (در ۱ میلیون توکن)

$0,14

میانگین قیمت خروجی (در ۱ میلیون توکن)

$0,28

نوع استفاده

درک تصویردرک ویدیودرک صدا

بنچمارک‌ها

عامل‌ها (Agentic)

Finance Agent v2 ۳۶,۷% #21

ResearchClawBench ۱۶,۹% #1

کدنویسی

MiMo Coding Bench ۷۱,۸% #2

Claw-Eval ۶۳,۲% #7

زمینهٔ بلند

GraphWalks ۸۷,۰% #2

چندحالته

Video-MME ۸۷,۷% #4

استدلال

CharXiv-R ۸۱,۰% #21

Terminal-Bench 2.0 ۶۵,۸% #16

SWE-Bench Pro ۵۶,۱% #31

ویدیو

DailyOmni ۸۳,۵% #1

VideoHolmes ۶۴,۰% #3

بینایی

HR-Bench (4k) ۸۸,۵% #1

OmniDocBench ۸۷,۲% #2

MMMU-Pro ۷۷,۹% #22

تامین‌کننده‌ها (Providers)

این مدل از طریق 2 ارائه‌دهنده قابل دسترسی است.

ارائه‌دهنده	نوع	نام مدل	مدل اصلی	ورودی ($/1M)	خروجی ($/1M)	رایگان
Xiaomi	—	mimo-v2.5-tts-voicedesign	`mimo-v2.5-tts-voicedesign`	-	-	—
DeepInfra	—	MiMo-V2.5-tts-voicedesign	`XiaomiMiMo/MiMo-V2.5-tts-voicedesign`	-	-	—

معرفی مدل

مدل هوش مصنوعی mimo-v2.5-tts-voicedesign محصول پیشرفته‌ای از شرکت شیائومی است که در زمینه تبدیل متن به گفتار و طراحی صدا فعالیت می‌کند. این مدل با تکیه بر الگوریتم‌های مدرن یادگیری ماشین، توانایی تولید صداهای طبیعی، باکیفیت و سفارشی‌سازی‌شده را با بالاترین دقت دارد. توسعه‌دهندگان می‌توانند از این فناوری قدرتمند برای ساخت دستیارهای صوتی هوشمند، تولید محتوای چندرسانه‌ای و پروژه‌های پردازش گفتار بهره ببرند. مدل شیائومی عملکردی روان، سریع و قابل اتکا در سناریوهای مختلف صوتی ارائه می‌دهد.