小米宣布开源声音理解大模型MiDashengLM-7B
创始人
2025-08-04 14:41:44
0次

今天发布和全量开源了 MiDashengLM-7B 模型。MiDashengLM-7B 基于 Xiaomi Dasheng 作为音频编码器和 Qwen2.5-Omni-7B Thinker 作为自回归解码器，通过创新的通用音频描述训练策略，实现了对语音、环境声音和音乐的统一理解，声音理解性能在22个公开评测集上刷新多模态大模型最好成绩（SOTA），单样本推理的首 Token 延迟（TTFT）仅为业界先进模型的 1/4，同等显存下的数据吞吐效率是业界先进模型的 20 倍以上。

MiDashengLM 以 Xiaomi Dasheng 音频编码器为核心组件，是 Xiaomi Dasheng 系列模型的重要升级。在当前版本的基础上，小米已着手对该模型做计算效率的进一步升级，寻求终端设备上可离线部署，并完善基于用户自然语言提示的声音编辑等更全面的功能。

-Omni- 效率 Xiaomi 编码器 模型 声音 Qwen 业界 音频 Dasheng Token 小米

上一篇：原创 不敢硬刚美国，加拿大通知中国：加税25%！中方转手将订单给了澳大利亚，卡尼想搞事？

下一篇：高德宣布全面AI化，发布全球首个地图AI原生智能体

相关内容

热门资讯

适合女士开的20万左右的车型 ... 20万女性驾驶的汽车排在前10名。1.奥迪A3官方售价：20.31-24.97万元。奥迪A3是一款适...
宝马5系防爆胎胎压多少合适 宝... 对于宝马5系的防爆胎胎压，一般可以采用汽车轮胎标准胎压的下限，即比装配线低2.4巴。如果经常将车停在...
充电桩12v和24v有什么区别... 充电桩12v和24v的主要区别在于它们所适用的汽车类型不同。12V电压的充电桩通常适用于压缩比小、排...
坦克700什么时候上市 坦克7... 近日，有消息称坦克700即将上市，这是一款定位旗舰SUV的车型，搭载了一台3.0TV6发动机，预计会...
凯美瑞买哪个版本最好 凯美瑞买... 对于想要购买凯美瑞的车主来说，选择哪个版本是一个值得考虑的问题。凯美瑞有2.0、2.5、2.5双擎三...
新英朗6at可靠吗 新英朗6a... 朗威CVT变速箱是一种全新的变速器，型号为新一代CVT智能无级变速器，产自上汽通用汽车东岳基地。该变...
名爵7属于什么级别的车 名爵7... 名爵7是一款中型汽车，车身尺寸为长4949毫米(mm)，宽1761毫米(mm)，高1421毫米(mm...
奥迪q5l油耗 奥迪q5l油耗... 奥迪Q5L的油耗表现一直是消费者关注的焦点。根据工信部公布的数据，奥迪Q5L 40TFSI车型的综合...
终身免费保养是坑吗 终身免费保... 购车时，“终身免费保养”这一承诺往往极具吸引力。毕竟，车辆保养费用在日常使用中占据不小比例。然而，终...
途观l为啥降价很严重 途观l为... 途观L的降价原因是因为疫情结束后，大家的消费欲望被压抑了几个月，因此对购买汽车的需求增加。为了抢占市...