小米开源端到端空间音频理解大模型
AI 总结
小米宣布开源 MiDashengLM-Spatial,完整公开模型权重与推理代码,并以 Apache 2.0 许可证发布。该模型以 MiDashengLM-7B 为基座,在保留基础音频理解能力的同时加入空间感知与推理能力;小米称其为业界首个开源的端到端空间音频理解大模型。报道提到,相关技术此前已在小米智能家居、汽车座舱等场景落地超过 30 项应用,新模型后续将陆续接入这些场景。
深度见解
空间感知使音频大模型从识别声音内容扩展到判断声源位置与空间分布,小米同时开放权重和推理代码,为开发者开展空间音频理解研究和应用开发提供了基础。