小米开源空间音频理解大模型 MiDashengLM-Spatial

IT时代网10月16日消息，小米昨日宣布发布 Dasheng 系列新成员 MiDashengLM-Spatial，完整公开模型权重和推理代码，并以 Apache 2.0 许可证发布。

过去两年小米先后发布了声音基座模型 Xiaomi Dasheng 以及声音理解大模型 MiDashengLM-7B，相关技术已在智能家居、汽车座舱等场景实现超过 30 项落地应用，能够对语音、环境声音和音乐进行统一感知与理解。

新模型以 MiDashengLM-7B 为基座，进一步为声音理解大模型赋予空间感知能力，使其不仅能听懂声音的内容，还能感知声音来自何处、如何在空间中分布。小米表示，这是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具备空间感知与推理能力。

该模型将陆续应用于小米智能家居、汽车座舱等场景，以空间听觉能力进一步提升「人车家全生态」的交互体验。模型结构与权重已在开源平台发布，技术报告与评估代码同步公开。

注：本文配图由AI生成。本文综合自IT之家等，文中包含AI辅助创作的内容。

编辑：林一舟