Xiaomi MiMo

​

Konfiguracja

XIAOMI_API_KEY=...

providers:
  xiaomi:
    type: xiaomi
    base_url: "https://api.xiaomimimo.com/v1"
    api_key: "${XIAOMI_API_KEY}"

​

Tryb thinking

{"model": "xiaomi/mimo-v2.5-pro", "thinking": {"type": "disabled"}, ...}

​

Kontekst 1M

XIAOMI_MODELS=mimo-v2.5-pro,mimo-v2.5-pro[1m]

​

Zamiana tekstu na mowę i transkrypcja

• Standardowe endpointy audio – /v1/audio/speech i /v1/audio/transcriptions są tłumaczone automatycznie. Synteza mowy obsługuje response_format wav (domyślnie) i pcm; mp3 – udokumentowana przez OpenAI wartość domyślna, którą niektóre SDK wysyłają jawnie – jest traktowane jako „nieokreślone” i obsługiwane jako WAV, więc Content-Type odpowiedzi to audio/wav. instructions stają się promptem stylu MiMo, a voice wybiera predefiniowany głos. Transkrypcja obsługuje formaty odpowiedzi json (domyślnie) i text, przy czym language jest przekazywane do asr_options MiMo, a temperature do requestu czatu.
• Dialekt czatu MiMo – wysyłaj chat completions bezpośrednio: tekst do syntezy w wiadomości assistant z parametrem najwyższego poziomu audio: {format, voice} albo, przy transkrypcji, część treści input_audio, której data to URI data: w base64. GoModel przekazuje te struktury bez zmian.

​

Funkcje nieobsługiwane przez Xiaomi MiMo

• Embeddingi.
• Wartości response_format syntezy mowy inne niż wav/pcm/mp3 (opus, aac, flac) oraz niedomyślne speed (do regulacji tempa użyj instructions).
• Formaty transkrypcji verbose_json/srt/vtt, prompt oraz timestamp_granularities (MiMo zwraca wyłącznie zwykły tekst transkrypcji).