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，小米正式发布全新语音识别模型MiMo-V2.5-ASR。该模型作为小米全链路语音技术体系中的听觉基础模块，专为应对真实世界复杂语音环境而设计，在方言识别、中英混合语境、高干扰噪声、远距离拾音、多人交叉对话等典型挑战场景下，整体性能达到当前行业领先水准。

模型主要能力涵盖以下方面：

支持主流中文方言识别，包括粤语、吴语、闽南语、四川话等；

实现中英文无缝混用识别，无需预先指定语言类别；

具备高精度歌曲识别能力，可在人声与伴奏混合的音频中准确提取中英文歌词；

在强噪声、远场收音等不利条件下仍保持稳定可靠的识别效果；

支持多人同时发言且频繁交替的对话场景，实现精细化说话人区分与转录；

对古诗词、专业领域术语、人名地名等具有强语义敏感性，识别准确率显著提升；

原生支持标点生成，综合语音韵律特征与上下文语义，直接输出带规范标点的文本，满足即转即用需求。

目前，MiMo-V2.5-ASR已面向开发者开放API接入，并兼容Token计费模式。按音频转写时长计费，中国大陆地区单价为每小时0.5元人民币，海外地区为每小时0.074美元。