快讯 23:38乐奇Rokid香港开设全球首家AI眼镜无人体验店,主打自助沉浸式零售23:30阶跃星辰 Step 5 Preview 登陆 FeatherlessAI,FP8 精度开放部署23:19英伟达推出1200亿参数Nemotron 3.5 Super VL,单GPU智能体吞吐量提升5倍 全部快讯 →

每日快讯

大厂动态 · 融资事件 · 政策监管 · 前沿论文 · Agent 抓取 + 智能改写,每日 40+ 条

论文 今天 · 星期五 · 10-16 09:35 约 1 分钟读完

小米开源端到端空间音频理解大模型MiDashengLM-Spatial

摘要

小米发布并开源MiDashengLM-Spatial,这是业界首个端到端空间音频理解大模型,以MiDashengLM-7B为基座,赋予模型空间感知与推理能力,将应用于智能家居和汽车座舱等场景。

10月16日,小米宣布推出Dasheng系列新成员MiDashengLM-Spatial,并完整公开模型权重与推理代码,采用Apache 2.0许可证发布。这是继声音基座模型Xiaomi Dasheng和声音理解大模型MiDashengLM-7B之后,小米在音频AI领域的又一次开源动作。

据小米介绍,MiDashengLM-Spatial以MiDashengLM-7B为基座,为声音理解大模型赋予“一双耳朵”——不仅能识别声音内容,还能判断声音来源方向及其在空间中的分布。小米称其为业界首个开源的端到端空间音频理解大模型,在保留基础音频理解能力的同时,新增空间感知与推理能力,推动音频大模型从“听懂声音”迈向“理解声音所处的空间”。

此前,Dasheng系列技术已在小米智能家居、汽车座舱等场景实现超过30项落地应用,覆盖语音、环境声音和音乐的 unified 感知与理解。新模型将陆续接入上述场景,借助空间听觉能力提升“人车家全生态”的交互体验。

目前,小米已公开项目主页、技术报告及评估代码,供开发者查阅与复现。

小米音频大模型开源空间音频
本文由新大陆基于公开信息编辑整理
213
收录 AI 工具
23
模型产品档案
60
企业落地案例
13
完整版提示词