核心特性：从“适配画面”到“精准控制” 小米大模型团队开源视频音效生成框架 ControlFoley，重点解决以往AI配音“无法精确控制声音风格”的痛点。模型支持三种输入方式： 画面驱动：根据视频内
小米大模型负责人罗福莉在X平台透露，MiMo-V2.5系列大幅降价并非亏本竞争，而是源于结构性降本策略。 核心降本机制 混合注意力架构：模型采用1:7的层间稀疏比，即每层全局注意力（GA）搭配7层滑
DeepSeek V4 与小米 MiMo-V2.5 系列 API 价格全面对齐，旗舰型号输入缓存命中价同为每百万 tokens 0.0036 美元，未命中 0.435 美元，输出 0.87 美元。此举
小米AI实验室开源OmniVoice，一款支持646种语言的零样本语音克隆TTS模型。仅需几秒参考音频即可克隆音色，并支持跨语言转换（如中文录音生成日语语音）。 架构上，OmniVoice采用极简设计
小米大模型团队负责人罗福莉在深度访谈中披露，MiMo-V2-Pro 模型基座总参数量达 1T，动用数千张 GPU 训练。 技术层面：Pro 版将全局注意力与滑动窗口注意力比例推至 7:1，控制长文本
