我要投稿

小米开源首个原生端到端语音大模型 MiMo-Audio

发布日期：2025-09-23 06:43:39 浏览次数： 1845

作者：开放智能AI

微信搜一搜，关注“开放智能AI”

模型名称
Xiaomi-MiMo-Audio，是小米新开源的第一个原生端到端语音大模型。
训练数据规模与预训练架构

用“上亿小时训练数据”进行预训练。
基于“创新预训练架构”。

少样本泛化 (Few-Shot / ICL) 与“涌现”行为

在语音领域首次实现了基于 ICL（in-context learning）的少样本泛化能力。
在预训练过程中观察到明显的“涌现”（emergent）行为。
后训练阶段还提升了智商、情商、表现力与安全性等跨模态对齐能力，以及语音对话的自然度、情感表达、交互适配性。

性能比较 / 基准测评

在多个标准评测中，MiMo-Audio 的表现如下：

基准 / 测试集	比较对象	结果
通用语音理解及对话多个任务 / 开源模型	同参数量开源模型	MiMo-Audio 大幅超越，取得 (约) 7B 参数模型的最佳性能。
音频理解基准 “MMAU” 标准测试集	Google 闭源语音模型 Gemini-2.5-Flash	MiMo-Audio 超过该模型。
音频复杂推理任务 “Big Bench Audio S2T”	OpenAI 闭源语音模型 GPT-4o-Audio-Preview	MiMo-Audio 也超越。

开源情况与构成

MiMo-Audio 是开源模型。
开源内容包括：无损压缩的 Tokenizer，全新模型结构，训练方法和评测体系。
支持混合思考（“Thinking”）方式同时应用于语音理解和语音生成过程。

7B 参数量

在同参数量级（7B）中，MiMo-Audio 是最优表现者。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-12-17

ollama v0.13.4 发布——全新模型与性能优化详解

2025-12-17

n8n 悄悄发布了 v2.1.

2025-12-16

阿里重磅开源 0.5B TTS + 0.8B ASR，支持跨语种音色克隆、说唱识别！

2025-12-15

智谱手机 Agent 开源一周，iOS 版就来了

2025-12-15

OpenEvals下一代AI模型评估标准

2025-12-15

AutoGLM：推倒那面墙

2025-12-15

狂揽162K Star！n8n 2.0强势来袭，这次改动有点狠。

2025-12-14

ollama v0.13.3 最新发布：新增模型与功能优化详细解读

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

DeepSeek又开源，这次是OCR模型！附论文解读！

2025-10-20

全新AI编程工具 Google Antigravity 实测，特别适合产品经理

2025-11-19

发现一个超神的Github开源OCR项目，国产多模态杀疯了

2025-10-27

MiniMax悄悄发布M2，8%价格打出Claude级性能

2025-10-27

如愿以偿！Qwen3-VL再开源30B-A3B，附实测！

2025-10-03

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

让白宫“破防”的阿里千问，我替你们测了...

2025-11-17

DeepSeek-V3.2-Exp开源，附论文细节解读！

2025-09-29

最强开源0.9B级OCR模型！PaddleOCR-VL本地一键部署，私密性拉满【喂饭级教程】

2025-11-07

大家都在问

我们为什么选择 Spring AI 开发智能体，而不是 Dify？

2025-11-12

开源安全审核模型终极PK：Qwen3Guard、OpenAI-SafeGuard、Llama4-Guard谁才是王者？

2025-11-10

DeepSeek-OCR到底厉害在哪？

2025-11-03

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

小红书入局AI智能体开源DeepAgent，在计划什么更新？

2025-10-28

埃森哲的大裁员，向市场发出了什么信号？

2025-10-13

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： [email protected]

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部