ithome
科技
汽车
采集 2026-10-16T04:13:52+00:00
小米开源空间音频理解大模型 MiDashengLM-Spatial
原始标题:给大模型装上“一双耳朵”:小米开源空间音频理解大模型 MiDashengLM-Spatial
来源
ithome
发布时间
2026-10-16T01:35:20
采集批次
2026-10-16-04
字数
462
URL 指纹
01d842e15cdee029
📌 AI 总结(236 字)
小米发布并开源 Dasheng 系列新成员 MiDashengLM-Spatial,以 MiDashengLM-7B 为基座,在保留基础音频理解能力之上,新增空间感知与推理能力,可判断声音来源与空间分布,被官方称为「业界首个开源的端到端空间音频理解大模型」。模型权重与推理代码以 Apache 2.0 许可证公开,后续将落地小米智能家居与汽车座舱等场景,服务「人车家全生态」交互体验。文章同时给出了项目主页、技术报告、GitHub 与 HuggingFace 等相关链接。
📄 正文(462 字)
IT之家 10 月 16 日消息,小米昨日宣布,带来 Dasheng 系列的重要新成员 ——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,小米先后发布并开源了声音基座模型 Xiaomi Dasheng 及声音理解大模型 MiDashengLM-7B。相关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,能够对语音、环境声音和音乐进行统一感知与理解。 据介绍,新模型以 MiDashengLM-7B 为基座,进一步为声音理解大模型赋予「一双耳朵」,使其不仅能够听懂声音的内容,还能感知声音来自何处、如何在空间中分布。 小米表示,MiDashengLM-Spatial 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,推动音频大模型从「听懂声音」进一步迈向「理解声音所处的空间」。 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。