Android 系统级 TTS 语音合成引擎，支持多引擎切换、音色克隆与设计。注册为系统 TTS 服务后，任意支持系统语音合成的应用（如 Legado 阅读器）均可直接调用。
如果你除了听书，还需要网络书源、本地阅读、AI 章节梗概、AI 改写、多角色配音和听书缓存等完整的小说阅读功能，可以使用 阅读 Vox（Legado Vox）。它是基于 Legado 与 legado-with-MD3 二次开发的独立阅读与听书应用。
阅读 Vox 与 VoxEngine 是相互独立的项目，安装或使用阅读 Vox 不依赖 VoxEngine。阅读 Vox 可以直接在应用内配置 MiMo 云 TTS；如果已经安装 VoxEngine，也可以把它设为 Android 系统 TTS 后供阅读 Vox 或其他应用调用。
- 可插拔引擎架构 — 统一接口设计，当前支持 MiMo TTS 与微软 Edge TTS，可继续扩展更多引擎
- 预设音色 — 内置多种中英文音色（冰糖、茉莉、苏打、白桦、Mia、Chloe 等），开箱即用
- 音色语言自动识别 — 系统 TTS 语言按当前默认音色自动上报：英文音色返回 English，日语音色返回 Japanese，其它返回中文
- 音色克隆 — 上传或录制一段音频样本，精准复刻目标音色
- 音色设计 — 通过文字描述自动生成定制音色，无需音频文件
- 风格控制 — 支持情绪、语调、方言、角色扮演等风格标签，一句话切换发音风格
- 系统 TTS 集成 — 作为 Android TextToSpeechService 运行，所有支持系统 TTS 的应用均可使用
- 内置阅读书架 — 支持导入本地 TXT 与 EPUB 小说，按章节/目录阅读并保存阅读进度
- 内置听书 — 阅读页可从当前页或选中段落开始听书，顺序合成并预缓存后续内容
- 听书稳定性优化 — 预取失败时自动补合成当前段，避免网络抖动导致跳段；音频未播完不会提前保存进度
- 克隆音色限流设置 — 克隆/设计音色的请求间隔、重试次数和重试等待可在阅读设置中调整
- 日志查询与导出 — 支持按日期、时间段、级别和关键词查询日志，复制或导出结果
- 音色导入导出 — 支持将自定义音色导出为 JSON 文件，方便备份与分享
前往 小米 MiMo TTS 平台 注册账号，在控制台新建 API Key。
MiMo 提供两种计费模式：
| 计费模式 | API Key 格式 | 说明 |
|---|---|---|
| 按量计费 | sk-xxxxx |
限时免费，按调用次数计费 |
| Token Plan | tp-xxxxx |
需购买 Token 套餐，中国区/新加坡/欧洲节点可选 |
建议新手使用按量计费模式（当前限时免费），API Key 以
sk-开头。
创建完成后复制 API Key。
打开 VoxEngine → 设置页面，选择计费模式，填入 API Key，点击「保存 API 配置」。然后选择你喜欢的默认音色和风格。
在 VoxEngine 设置页点击「前往设置」，跳转到系统文字转语音设置页面。
在系统 TTS 设置中，点击「首选引擎」。
在引擎列表中选择 VoxEngine，完成！
现在任意支持系统 TTS 的应用（如阅读 Vox）都可以直接使用 VoxEngine 进行语音合成了。
在阅读 Vox 中使用：确保 VoxEngine 已设为系统默认引擎，打开阅读 Vox → 阅读界面 → 朗读设置 → 引擎与音色，选择对应的系统 TTS 即可。
VoxEngine 也内置了简易书架，可直接导入多本本地 TXT 或 EPUB 小说。EPUB 会按照书内目录标题和 spine 正文顺序生成章节，并提取 XHTML 正文用于阅读与听书。阅读页点击屏幕中间会显示顶部/底部菜单，支持目录跳转、左右翻页、从选中段落开始听书、定时停止和播放若干章节后停止。
内置听书采用顺序合成和预缓存逻辑：播放当前内容时会先按顺序预加载当前章节剩余内容，再随每读完一页逐步增加下一章预加载页数。遇到网络抖动或预取失败时，会在当前位置补合成当前段，尽量避免跳段。克隆/设计音色可调请求间隔与重试参数，用于降低 429 限流概率。
预设音色开箱即用，效果最佳。预设音色同样支持自定义风格标签，可以自由搭配语调、情绪、方言等风格。
| 音色 | 描述 |
|---|---|
| 冰糖 | 甜美可爱女声 |
| 茉莉 | 温柔知性女声 |
| 苏打 | 活力阳光男声 |
| 白桦 | 沉稳磁性男声 |
| Mia | 英文女声 |
| Chloe | 英文女声 |
| Milo | 英文男声 |
| Dean | 英文男声 |
上传或录制一段参考音频（建议 3-10 秒），MiMo 会根据音频特征克隆出相似的音色。适用于复刻特定角色的声音。
自定义音色（克隆/设计）效果取决于输入素材和描述，可能需要多次调试才能达到理想效果。
通过文字描述生成定制音色，例如：
- "温柔磁性的中年男声"
- "活泼可爱的少女音"
- "低沉沙哑的旁白声"
| 类型 | 示例 |
|---|---|
| 基础情绪 | 开心、悲伤、愤怒、恐惧、兴奋、平静、冷漠 |
| 复合情绪 | 怅然、欣慰、无奈、愧疚、释然、动情 |
| 整体语调 | 温柔、高冷、活泼、严肃、慵懒、深沉、干练 |
| 音色质感 | 磁性、醇厚、清亮、空灵、甜美、沙哑 |
| 人设腔调 | 夹子音、御姐音、正太音、大叔音、台湾腔 |
| 方言 | 粤语、四川话 |
| 角色扮演 | 孙悟空、林黛玉 |
| 唱歌 | 唱歌 |
风格可以在设置中选择默认风格。为避免提示词被 TTS 读出，应用不会再把 (风格) 拼接进正文文本。系统 TTS 语言会按当前默认音色自动上报，英文内容建议搭配英文音色，日语内容建议搭配 Edge 日语音色使用。
日志页支持按日期、时间段、级别和关键词查询，查询结果可复制或导出。应用会自动脱敏音频 base64 数据，避免日志过长或泄露音频内容。
如果使用 Token Plan，可选择以下节点：
| 节点 | URL |
|---|---|
| 中国区 | https://token-plan-cn.xiaomimimo.com |
| 新加坡 | https://token-plan-sgp.xiaomimimo.com |
| 欧洲 | https://token-plan-ams.xiaomimimo.com |
Token Plan 可能仅限用于编程开发场景，将其接入第三方应用进行语音合成可能违反小米服务条款，导致账号被封禁。建议使用按量计费模式。
- 语言: Kotlin
- UI: Jetpack Compose + Material 3
- 存储: Room + DataStore
- 网络: OkHttp
- 音频: Android AudioTrack
- 最低版本: Android 8.0 (API 26)
# Debug 版本
./gradlew assembleDebug
# Release 版本（需配置签名）
./gradlew assembleRelease本软件为开源项目，仅供学习和个人使用，严禁用于任何违法违规用途。使用本软件即表示您已阅读并同意 MiMo 用户协议 和 MiMo 隐私政策。
- MiMo TTS — 小米 MiMo 语音合成 API
本项目基于 MIT License 开源。