小米宣佈推出空間音頻理解大模型 MiDashengLM-Spatial,完整公開模型權重及推理代碼,並採用 Apache2.0開源許可證發佈。小米稱,該模型是業界首個開源的端到端空間音頻理解大模型,在基礎音頻理解能力之上,進一步引入空間感知與推理能力。

QQ20261016-113412.jpg

過去兩年,小米先後開源聲音基座模型 Xiaomi Dasheng 和聲音理解大模型 MiDashengLM-7B,相關技術已在智能家居、汽車座艙等場景落地超過30項應用,支持對語音、環境聲音及音樂進行統一感知與理解。

此次發佈的 MiDashengLM-Spatial 以 MiDashengLM-7B 爲基礎,使模型不僅能夠識別聲音內容,還能判斷聲音來源及其空間分佈,推動音頻大模型從內容理解向空間感知拓展。

小米表示,MiDashengLM-Spatial 後續將陸續應用於智能家居、汽車座艙等場景,通過空間聽覺能力提升「人車家全生態」的交互體驗。此次開放模型權重與推理代碼,也爲開發者開展空間音頻理解相關研究和應用開發提供了基礎。相關測試數據尚待補充。

項目主頁:https://jinbo-hu.github.io/midashenglm-spatial-demo/