9月19日|今日,小米正式開源首個原生端到端語音模型——Xiaomi-MiMo-Audio,它基於創新預訓練架構和上億小時訓練數據,首次在語音領域實現基於ICL的少樣本泛化,並在預訓練觀察到明顯的“湧現”行為。據介紹,在通用語音理解及對話等多項標準評測基準中,MiMo-Audio大幅超越了同參數量的開源模型,取得7B最佳性能;在音頻理解基準MMAU的標準測試集上,MiMo-Audio超過Google閉源語音模型Gemini-2.5-Flash;在面向音頻複雜推理的基準Big Bench Audio S2T任務中,MiMo-Audio同樣超越了OpenAI閉源的語音模型GPT-4o-Audio-Preview。
新聞來源 (不包括新聞圖片): 格隆匯