pi-mimo-voice-zh
小米 MiMo 中文语音扩展 — 语音输入（ASR）和语音输出（TTS）
Package details
Install pi-mimo-voice-zh from npm and Pi will load the resources declared by the package manifest.
$ pi install npm:pi-mimo-voice-zh- Package
pi-mimo-voice-zh- Version
0.0.4- Published
- Jul 16, 2026
- Downloads
- 38/mo · 38/wk
- Author
- mlosun
- License
- MIT
- Types
- extension
- Size
- 17.5 KB
- Dependencies
- 0 dependencies · 0 peers
Pi manifest JSON
{
"extensions": [
"."
]
}Security note
Pi packages can execute code and influence agent behavior. Review the source before installing third-party packages.
README
pi-mimo-voice-zh
⚠️ 注意：本项目完全由 AI 生成，作者本人并不懂 TypeScript。如有问题请通过 Issues 提出，我会尽力解决。
目前仅支持 MiMo API Key，暂不支持 Token Plan。
小米 MiMo 中文语音扩展。
| 操作 | 快捷键 |
|---|---|
| 🎤 语音输入 | Ctrl+Shift+V |
| 🔊 开关/打断 | Ctrl+Shift+K |
AI 回复完自动朗读。朗读前自动清理 markdown。
平台要求
- macOS（已测试）
- Homebrew（安装 sox）
- Windows 暂未支持
安装
# 1. 安装录音工具
brew install sox
# 2. 安装扩展（二选一）
pi install npm:pi-mimo-voice-zh # npm（推荐）
pi install git:github.com/mlosun/pi-mimo-voice-zh # GitHub
# 3. 创建配置文件
# npm 安装：
cp ~/.pi/agent/npm/pi-mimo-voice-zh/mimo-voice-zh.example.json ~/.pi/mimo-voice-zh.json
# GitHub 安装：
cp ~/.pi/agent/git/github.com/mlosun/pi-mimo-voice-zh/mimo-voice-zh.example.json ~/.pi/mimo-voice-zh.json
编辑 ~/.pi/mimo-voice-zh.json，将 apiKey 设为你的 MiMo API Key。获取地址：platform.xiaomimimo.com。
# 4. 加载
pi /reload
状态栏出现 🔔 TTS 开启 即表示加载成功。
配置
~/.pi/mimo-voice-zh.json：
{
"voice": "冰糖",
"apiKey": "sk-...",
"ttsEnabled": true,
"sttEnabled": true,
"ttsShortcut": "ctrl+shift+k",
"sttShortcut": "ctrl+shift+v"
}
| 字段 | 说明 |
|---|---|
voice |
音色：冰糖 / 茉莉 / 苏打 / 白桦 |
apiKey |
MiMo API Key |
ttsEnabled |
TTS 朗读开关 |
sttEnabled |
STT 语音输入开关 |
ttsShortcut |
TTS 快捷键 |
sttShortcut |
STT 快捷键 |
MiMo 模型费用说明
MiMo ASR 按用量收费，TTS 限时免费。详见 MiMo 模型定价。
如希望完全免费，可用 macOS 系统听写代替 ASR：
- 系统设置 → 键盘 → 听写 → 开启
~/.pi/mimo-voice-zh.json→sttEnabled: false关闭 ASR- 按两下 Ctrl 触发系统听写，口述后文字自动输入。
技术说明
MiMo TTS 是 LLM 驱动的语音合成，底层走的是 Chat Completions 端点，而非传统 TTS 引擎。这意味着文本是作为对话内容传给大模型的，模型"扮演"助理将文字念出来。
这种行为带来一个特性：单次传入的文本过长（实测 ~10000 字）时，模型可能"跑偏"，表现为语音变得不连贯或内容错乱。短文本（~3000 字以内）则表现正常。
本扩展的应对策略：
- 按段落拆分：以空行为界将回复拆成多个段落，逐段调用 TTS
- 段落内语气一致：段落是天然的语气单元，同段内的语音自然连贯
- 超长段落兜底：遇到超过 2000 字的段落，再降级按句子拆分
这样既保证了长文本不会触发模型"跑偏"，也避免了逐句拆分带来的语气割裂感。
状态栏
| 显示 | 含义 |
|---|---|
| 🔔 TTS 开启 | 语音输出已开启 |
| 🔕 TTS 关闭 | 语音输出已关闭 |
| 🔴 正在录音 | 录音中 |
功能清单
TTS 语音输出
| # | 场景 | 预期 |
|---|---|---|
| 1 | /reload 后发一条消息 |
AI 回复自动朗读。状态栏显示 🔔 TTS 开启 |
| 2 | 回复很长（多段落） | 全文朗读，标点间自然停顿 |
| 3 | 回复含代码块、粗体、斜体 | markdown 格式被清洗，只朗读纯文字内容 |
| 4 | 回复含表格 | 表格内容按文本朗读 |
| 5 | 朗读中按 Ctrl+Shift+K |
立即停止，通知"朗读已打断" |
| 6 | 空闲时按 Ctrl+Shift+K |
TTS 切换为关闭。状态栏变 🔕 TTS 关闭。再发消息不朗读 |
| 7 | TTS 关闭时按 Ctrl+Shift+K |
TTS 切换为开启。状态栏变 🔔 TTS 开启 |
| 8 | 修改 ~/.pi/mimo-voice-zh.json → voice: "苏打" → /reload |
朗读变为男声苏打 |
STT 语音输入
| # | 场景 | 预期 |
|---|---|---|
| 9 | 按 Ctrl+Shift+V |
状态栏变 🔴 正在录音 |
| 10 | 说话后按 Ctrl+Shift+V |
识别完成，文字填入编辑器 |
| 11 | 未设置麦克风权限 | sox 报错，通知"录音失败" |
| 12 | ~/.pi/mimo-voice-zh.json → sttEnabled: false → /reload 后按快捷键 |
通知"ASR 已关闭" |
| 13 | ~/.pi/mimo-voice-zh.json → sttShortcut 改为其他值 → /reload |
新快捷键生效，旧键失效 |
配置项测试
| # | 场景 | 预期 |
|---|---|---|
| 14 | 首次启动，~/.pi/mimo-voice-zh.json 不存在 |
自动生成，使用默认值 |
| 15 | ~/.pi/mimo-voice-zh.json → apiKey 为空 → /reload 后语音输入 |
通知"请先设置 API Key" |
| 16 | ~/.pi/mimo-voice-zh.json → ttsEnabled: false → /reload |
状态栏 🔕 TTS 关闭，回复不朗读 |
| 17 | 手动在 ~/.pi/mimo-voice-zh.json 添加额外字段，操作后检查 |
额外字段不被删除（merge 保存） |
更新日志
0.0.4
- 修复：长文本 TTS 语音"跑偏"问题。改为按段落拆分后逐段调用 MiMo TTS，超长段落兜底按句拆分
- 新增：README 技术说明章节，解释 MiMo TTS 的 LLM 驱动特性及应对策略
0.0.3
- 新增：发布到 npm，支持
pi install npm:pi-mimo-voice-zh - 新增：npm 版本徽章、双安装方式（npm / GitHub）
- 优化：
package.json补充 author、repository、files 字段
0.0.2
- 新增：README 添加 AI 生成声明及 MiMo API Key 限制说明
0.0.1
- 初始版本：MiMo ASR 语音输入 + TTS 语音输出