小米开源声音理解大模型

品玩8月5日讯，据小米科技官方消息，小米正式发布并全量开源其声音理解大模型 MiDashengLM-7B 模型。

官方介绍，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。

值得一提的是，MiDashengLM-7B 的声音理解性能在 22 个公开评测集上刷新多模态大模型最好成绩（SOTA），多个基准测试超越 Qwen2.5-Omni 7B 和 Kimi-Audio-Instruct 7B。