IXThinker·2025-08-07 11:30小米開源音頻理解模型 MiDashengLM-7B
小米全量開源音頻理解模型 MiDashengLM-7B，以自研 Dasheng 為音頻編碼器、Qwen2.5-Omni-7B Thinker 為解碼器，實現語音、環境聲與音樂的統一理解，多項成績刷新紀錄。
架構與訓練
模型透過創新的通用音頻描述訓練策略，把語音、環境聲音與音樂納入統一理解框架。編碼器採用小米自研的 Dasheng，解碼器則基於 Qwen2.5-Omni-7B Thinker，兩者各司其職。
IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文，仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入／註冊解鎖全文 →Google 或電郵地址即可，即刻解鎖。