AI 摘要
- 小米宣布推出空間音頻理解大模型 MiDashengLM-Spatial，並完整公開模型權重與推理代碼
- 該模型以 MiDashengLM-7B 為基礎，可判斷聲音來源及其空間分佈
- MiDashengLM-Spatial 採用 Apache License 2.0 開源授權發佈
小米宣布推出空間音頻理解大模型小米 MiDashengLM-Spatial，完整公開模型權重與推理代碼，並採用 Apache License 2.0 開源授權發佈。小米稱，這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。
產品定位與核心能力
MiDashengLM-Spatial 以既有的 MiDashengLM-7B 為基礎開發。模型除了能識別聲音內容，也能判斷聲音的來源及其空間分佈，讓音頻大模型從單純的內容理解，延伸到空間感知。
技術基礎與前代模型
- Xiaomi Dasheng：小米先前開源的聲音基座模型。
- MiDashengLM-7B：小米先前開源的聲音理解大模型，是 MiDashengLM-Spatial 的基礎。
- MiDashengLM-Spatial：在前代基礎上加入空間音頻理解能力，可統一感知與理解語音、環境聲音及音樂。
應用場景與落地進展
小米表示，過去兩年其聲音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。小米也指出，MiDashengLM-Spatial 後續將陸續應用於智能家居與汽車座艙等場景，目標是透過空間聽覺能力，提升「人車家全生態」的互動體驗。
開源內容與開發者價值
此次開放模型權重與推理代碼，為開發者進行空間音頻理解相關研究與應用開發提供了基礎。在 Apache License 2.0 授權下，開發者可以取得相關程式與模型資源，進一步探索空間音頻應用。
待補充資訊
來源指出，相關測試數據尚待補充，因此目前無法確認 MiDashengLM-Spatial 的具體效能指標、售價或正式上市日期。
Reference Link : news.aibase.com
