AIRI 接入 Xiaomi MiMo 语音转写ASR/STT完整指南API Key、模型配置与麦克风转写实战【免费下载链接】airi Self hosted, you-owned Grok Companion, a container of souls of waifu, cyber livings to bring them into our worlds, wishing to achieve Neuro-samas altitude. Capable of realtime voice chat, Minecraft, Factorio playing. Web / macOS / Windows supported.项目地址: https://gitcode.com/GitHub_Trending/ai/airi本指南以 AIRI 项目文档中关于Xiaomi MiMoASR/STT的配置说明为核心系统讲解如何在 AIRI 中接入小米 MiMo 的云端语音转写能力。你将掌握从申请 API Key、填写 Provider 配置、验证转写效果到在「听觉Hearing」模块中启用麦克风实时转写的完整流程并了解 MiMo 转写请求在 AIRI 源码中的底层实现原理。文章同时覆盖mimo-v2-omni与mimo-v2.5两个可选模型的差异以及常见问题的排查思路。为什么选择 Xiaomi MiMo 作为转写服务MiMo 是小米推出的自研多模态模型其原生音频理解能力让语音转写不再依赖独立的 ASR 链路——MiMo 直接以多模态输入方式理解音频内容并输出文本。在 AIRI 中接入 MiMo 转写ASR/STT的典型场景是你已经在使用 MiMo例如用于对话或 TTS希望在同一个账号下统一处理音频内容你需要借助 MiMo 的多模态模型直接处理音频而不是单独维护一套语音识别服务。从 AIRI 的源码定义来看MiMo 转写 Provider 的任务类型tasks被声明为[speech-to-text, automatic-speech-recognition, asr, stt]见 mimo-audio/index.ts即它同时满足 STT 与 ASR 两类能力标识。其底层依赖说明来自文档中的明确表述而具体任务声明与模型清单则可在 mimo-audio/index.ts 中核实。第一步获取 API Key登录 Xiaomi MiMo Platform小米 MiMo 开放平台。确认账号已开启API 访问权限。在平台中创建API Key复制并妥善保存在安全位置。::: warning API Key 与音频数据安全 切勿泄露 API Key。云端转写会把你的音频上传到服务提供方进行处理因此请先确认该行为符合你的隐私与数据处理要求。此外API Key 不要提交到版本库、不要出现在截图或共享给他人。 :::第二步在 AIRI 中配置 MiMo 转写 Provider配置入口为设置Settings→ 提供方Providers→ 转写Transcription→ Xiaomi MiMo。需要填写/确认两个核心配置项配置项默认值说明API Key必填第一步从 MiMo 平台获取的密钥Base URLhttps://api.xiaomimimo.com/v1/除非服务提供方给出其他地址否则保持默认即可这两项在源码中的默认值定义于 mimo-audio/index.ts 的mimoTranscriptionConfigSchemaconst mimoTranscriptionConfigSchema z.object({ apiKey: z.string(), baseUrl: z.string().default(https://api.xiaomimimo.com/v1/), model: z.string().default(mimo-v2-omni), })其中baseUrl即使留空也会在normalizeBaseUrl中回退到默认地址并统一补全末尾的/见 mimo-audio/index.tsfunction normalizeBaseUrl(baseUrl: string | undefined) { return ${(baseUrl || https://api.xiaomimimo.com/v1/).replace(/\/$/, )}/ }对应的设置页面实现位于 mimo-audio-transcription.vueAPI Key 输入框的占位提示为mimo_... (MiMo API key)Base URL 输入框位于「高级设置ProviderAdvancedSettings」区域占位默认值为https://api.xiaomimimo.com/v1/。配置校验机制AIRI 在编辑配置时会自动进行校验。源码中通过createMimoValidators实现见 mimo-audio/index.ts校验规则为apiKey不能为空去空格后检查baseUrl不能为空去空格后检查。任一条件不满足都会使校验失败页面会展示错误提示并提供「继续force valid」的跳过入口见 mimo-audio-transcription.vue。第三步选择转写模型MiMo 转写 Provider 支持以下模型来源mimo-audio/index.ts 中的listModels模型 ID说明上下文长度mimo-v2-omniOmni 多模态模型具备原生音频理解与语音转写能力256,000约 256Kmimo-v2.5最新的 Omni 多模态模型音频理解能力更强1,000,000约 1M在 Provider 设置页面的模型下拉框中选中可用模型即可。页面挂载时会自动调用loadModelsForConfiguredProviders()与fetchModelsForProvider()拉取模型列表见 mimo-audio-transcription.vue。第四步验证转写配置在 Provider 设置页选择可用的转写模型。使用同一页面上的Playground转写试验场允许浏览器/应用访问麦克风录制一段简短语音样本确认能返回对应文本。源码中 Playground 的生成逻辑为handleGenerateTranscription见 mimo-audio-transcription.vue它通过hearingStore.transcription(providerId, provider, model, file, json)调用转写能力并将结果以 JSON 形式返回页面展示。第五步启用麦克风实时转写关键一步仅在上面的 Provider 页面测试并不会启用麦克风的实时转写。要让 AIRI 在对话中实际使用 MiMo 进行语音转写还需要打开设置 → 模块Modules→ 听觉Hearing在听觉模块中选择提供方Xiaomi MiMo选择模型 IDmimo-v2-omni或你选定的模型选择麦克风设备并运行听觉测试确认转写生效。这一步对应 AIRI 的模块级配置听觉Hearing模块持有最终的转写提供方与模型选择Provider 设置页只负责管理凭证与连通性验证。底层原理MiMo 转写请求是如何构造的AIRI 的 MiMo 转写 Provider 并未使用 OpenAI 风格的/audio/transcriptions接口而是将音频作为多模态消息提交到chat/completions端点。核心逻辑位于 mimo-audio/index.ts 的createMimoTranscriptionProvider提取音频文件请求体必须是FormData其中包含file音频文件与model模型 ID缺省用mimo-v2-omni字段转换为 Data URIreadBlobAsDataUri将音频 Blob 读取为data:mime;base64,...格式推断音频格式audioFormatFromDataUri根据 MIME 类型映射格式——webm/mp4原样保留、mpeg/mp3归并为mp3其余回退为wav见 mimo-audio/index.ts构造多模态消息以{ type: text, text: Transcribe the audio content. }与{ type: input_audio, input_audio: { data, format } }组成用户消息发送请求POST {baseUrl}/chat/completions认证头为api-key: apiKey解析结果从choices[0].message.content中取出转写文本包装为{ text }响应返回。const response await fetch(new URL(chat/completions, baseUrl), { method: POST, headers: { Content-Type: application/json, api-key: apiKey }, body: JSON.stringify({ model: modelName, messages: [{ role: user, content: [ { type: text, text: Transcribe the audio content. }, { type: input_audio, input_audio: { data: base64Data, format: audioFormatFromDataUri(dataUri) } }, ], }], }), })请求失败时错误信息会携带 HTTP 状态码、状态文本以及服务端返回的响应体MiMo transcription failed: status statusText — body便于定位问题。常见问题排查现象排查方向转写请求失败检查 API Key 是否正确且未过期、所选模型是否可用、网络是否连通到api.xiaomimimo.com返回空文本确认 AIRI 是否拥有麦克风权限浏览器或系统级授权模型列表加载不出来确认 Base URL 未被修改或直接在听觉模块手动输入 MiMo 提供的准确模型 ID校验一直失败确认 API Key 与 Base URL 均已填写且无多余空格补充MiMo 在 AIRI 中的其他能力MiMo 在 AIRI 中除了转写ASR/STT外还有独立的能力页面对话Consciousness配置apiKey与baseUrl即可启用 MiMo 聊天模型支持推理模式的开启/关闭接入实现见 mimo/index.ts配置文档见 consciousness/mimo.md语音合成TTS支持预置音色mimo-v2.5-tts、音色设计mimo-v2.5-tts-voicedesign与音色克隆mimo-v2.5-tts-voiceclone三种模式内置中文音色如「冰糖」「茉莉」「苏打」「白桦」及英文音色 Mia、Chloe、Milo、Dean 等详见 speech/mimo.md 与 mimo-audio/index.ts。如果你希望在同一个 MiMo 账号下同时使用对话与音频能力可以参考上述两个文档分别启用对应模块本文聚焦的转写能力则对应文档 transcription/mimo.md 所描述的完整流程。【免费下载链接】airi Self hosted, you-owned Grok Companion, a container of souls of waifu, cyber livings to bring them into our worlds, wishing to achieve Neuro-samas altitude. Capable of realtime voice chat, Minecraft, Factorio playing. Web / macOS / Windows supported.项目地址: https://gitcode.com/GitHub_Trending/ai/airi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 AIRI 接入 Xiaomi MiMo 语音转写（ASR/STT）完整指南：API Key、模型配置与麦克风转写实战
AIRI 接入 Xiaomi MiMo 语音转写ASR/STT完整指南API Key、模型配置与麦克风转写实战【免费下载链接】airi Self hosted, you-owned Grok Companion, a container of souls of waifu, cyber livings to bring them into our worlds, wishing to achieve Neuro-samas altitude. Capable of realtime voice chat, Minecraft, Factorio playing. Web / macOS / Windows supported.项目地址: https://gitcode.com/GitHub_Trending/ai/airi本指南以 AIRI 项目文档中关于Xiaomi MiMoASR/STT的配置说明为核心系统讲解如何在 AIRI 中接入小米 MiMo 的云端语音转写能力。你将掌握从申请 API Key、填写 Provider 配置、验证转写效果到在「听觉Hearing」模块中启用麦克风实时转写的完整流程并了解 MiMo 转写请求在 AIRI 源码中的底层实现原理。文章同时覆盖mimo-v2-omni与mimo-v2.5两个可选模型的差异以及常见问题的排查思路。为什么选择 Xiaomi MiMo 作为转写服务MiMo 是小米推出的自研多模态模型其原生音频理解能力让语音转写不再依赖独立的 ASR 链路——MiMo 直接以多模态输入方式理解音频内容并输出文本。在 AIRI 中接入 MiMo 转写ASR/STT的典型场景是你已经在使用 MiMo例如用于对话或 TTS希望在同一个账号下统一处理音频内容你需要借助 MiMo 的多模态模型直接处理音频而不是单独维护一套语音识别服务。从 AIRI 的源码定义来看MiMo 转写 Provider 的任务类型tasks被声明为[speech-to-text, automatic-speech-recognition, asr, stt]见 mimo-audio/index.ts即它同时满足 STT 与 ASR 两类能力标识。其底层依赖说明来自文档中的明确表述而具体任务声明与模型清单则可在 mimo-audio/index.ts 中核实。第一步获取 API Key登录 Xiaomi MiMo Platform小米 MiMo 开放平台。确认账号已开启API 访问权限。在平台中创建API Key复制并妥善保存在安全位置。::: warning API Key 与音频数据安全 切勿泄露 API Key。云端转写会把你的音频上传到服务提供方进行处理因此请先确认该行为符合你的隐私与数据处理要求。此外API Key 不要提交到版本库、不要出现在截图或共享给他人。 :::第二步在 AIRI 中配置 MiMo 转写 Provider配置入口为设置Settings→ 提供方Providers→ 转写Transcription→ Xiaomi MiMo。需要填写/确认两个核心配置项配置项默认值说明API Key必填第一步从 MiMo 平台获取的密钥Base URLhttps://api.xiaomimimo.com/v1/除非服务提供方给出其他地址否则保持默认即可这两项在源码中的默认值定义于 mimo-audio/index.ts 的mimoTranscriptionConfigSchemaconst mimoTranscriptionConfigSchema z.object({ apiKey: z.string(), baseUrl: z.string().default(https://api.xiaomimimo.com/v1/), model: z.string().default(mimo-v2-omni), })其中baseUrl即使留空也会在normalizeBaseUrl中回退到默认地址并统一补全末尾的/见 mimo-audio/index.tsfunction normalizeBaseUrl(baseUrl: string | undefined) { return ${(baseUrl || https://api.xiaomimimo.com/v1/).replace(/\/$/, )}/ }对应的设置页面实现位于 mimo-audio-transcription.vueAPI Key 输入框的占位提示为mimo_... (MiMo API key)Base URL 输入框位于「高级设置ProviderAdvancedSettings」区域占位默认值为https://api.xiaomimimo.com/v1/。配置校验机制AIRI 在编辑配置时会自动进行校验。源码中通过createMimoValidators实现见 mimo-audio/index.ts校验规则为apiKey不能为空去空格后检查baseUrl不能为空去空格后检查。任一条件不满足都会使校验失败页面会展示错误提示并提供「继续force valid」的跳过入口见 mimo-audio-transcription.vue。第三步选择转写模型MiMo 转写 Provider 支持以下模型来源mimo-audio/index.ts 中的listModels模型 ID说明上下文长度mimo-v2-omniOmni 多模态模型具备原生音频理解与语音转写能力256,000约 256Kmimo-v2.5最新的 Omni 多模态模型音频理解能力更强1,000,000约 1M在 Provider 设置页面的模型下拉框中选中可用模型即可。页面挂载时会自动调用loadModelsForConfiguredProviders()与fetchModelsForProvider()拉取模型列表见 mimo-audio-transcription.vue。第四步验证转写配置在 Provider 设置页选择可用的转写模型。使用同一页面上的Playground转写试验场允许浏览器/应用访问麦克风录制一段简短语音样本确认能返回对应文本。源码中 Playground 的生成逻辑为handleGenerateTranscription见 mimo-audio-transcription.vue它通过hearingStore.transcription(providerId, provider, model, file, json)调用转写能力并将结果以 JSON 形式返回页面展示。第五步启用麦克风实时转写关键一步仅在上面的 Provider 页面测试并不会启用麦克风的实时转写。要让 AIRI 在对话中实际使用 MiMo 进行语音转写还需要打开设置 → 模块Modules→ 听觉Hearing在听觉模块中选择提供方Xiaomi MiMo选择模型 IDmimo-v2-omni或你选定的模型选择麦克风设备并运行听觉测试确认转写生效。这一步对应 AIRI 的模块级配置听觉Hearing模块持有最终的转写提供方与模型选择Provider 设置页只负责管理凭证与连通性验证。底层原理MiMo 转写请求是如何构造的AIRI 的 MiMo 转写 Provider 并未使用 OpenAI 风格的/audio/transcriptions接口而是将音频作为多模态消息提交到chat/completions端点。核心逻辑位于 mimo-audio/index.ts 的createMimoTranscriptionProvider提取音频文件请求体必须是FormData其中包含file音频文件与model模型 ID缺省用mimo-v2-omni字段转换为 Data URIreadBlobAsDataUri将音频 Blob 读取为data:mime;base64,...格式推断音频格式audioFormatFromDataUri根据 MIME 类型映射格式——webm/mp4原样保留、mpeg/mp3归并为mp3其余回退为wav见 mimo-audio/index.ts构造多模态消息以{ type: text, text: Transcribe the audio content. }与{ type: input_audio, input_audio: { data, format } }组成用户消息发送请求POST {baseUrl}/chat/completions认证头为api-key: apiKey解析结果从choices[0].message.content中取出转写文本包装为{ text }响应返回。const response await fetch(new URL(chat/completions, baseUrl), { method: POST, headers: { Content-Type: application/json, api-key: apiKey }, body: JSON.stringify({ model: modelName, messages: [{ role: user, content: [ { type: text, text: Transcribe the audio content. }, { type: input_audio, input_audio: { data: base64Data, format: audioFormatFromDataUri(dataUri) } }, ], }], }), })请求失败时错误信息会携带 HTTP 状态码、状态文本以及服务端返回的响应体MiMo transcription failed: status statusText — body便于定位问题。常见问题排查现象排查方向转写请求失败检查 API Key 是否正确且未过期、所选模型是否可用、网络是否连通到api.xiaomimimo.com返回空文本确认 AIRI 是否拥有麦克风权限浏览器或系统级授权模型列表加载不出来确认 Base URL 未被修改或直接在听觉模块手动输入 MiMo 提供的准确模型 ID校验一直失败确认 API Key 与 Base URL 均已填写且无多余空格补充MiMo 在 AIRI 中的其他能力MiMo 在 AIRI 中除了转写ASR/STT外还有独立的能力页面对话Consciousness配置apiKey与baseUrl即可启用 MiMo 聊天模型支持推理模式的开启/关闭接入实现见 mimo/index.ts配置文档见 consciousness/mimo.md语音合成TTS支持预置音色mimo-v2.5-tts、音色设计mimo-v2.5-tts-voicedesign与音色克隆mimo-v2.5-tts-voiceclone三种模式内置中文音色如「冰糖」「茉莉」「苏打」「白桦」及英文音色 Mia、Chloe、Milo、Dean 等详见 speech/mimo.md 与 mimo-audio/index.ts。如果你希望在同一个 MiMo 账号下同时使用对话与音频能力可以参考上述两个文档分别启用对应模块本文聚焦的转写能力则对应文档 transcription/mimo.md 所描述的完整流程。【免费下载链接】airi Self hosted, you-owned Grok Companion, a container of souls of waifu, cyber livings to bring them into our worlds, wishing to achieve Neuro-samas altitude. Capable of realtime voice chat, Minecraft, Factorio playing. Web / macOS / Windows supported.项目地址: https://gitcode.com/GitHub_Trending/ai/airi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考