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： 1959

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

2026-02-03

Claude Code——智能路由与切换工具

2026-02-03

作为投资方，我们试了试Kimi K2.5

2026-02-03

暴涨11.7k Star！复刻Manus上下文工程的开源Skills，Claude code等多个平台即插即用

2026-02-03

ollama v0.15.4 更新：OpenClaw全面上线，优化集成流程与工具解析能力大升级！

2026-02-03

阶跃星辰 Step 3.5 Flash 上线！更快更强更稳的 Agent 大脑，开源！

2026-02-02

一分钟部署OpenClaw+QQ，国内最爽的一键启动！

2026-02-02

这家字节系AI初创，推出首个开源Agent Skills Builder！对话Refly.AI李锦威：大多数Agent都停留在专业用户层面，没有做到真正的普惠

2026-02-02

OCR又出宠OpenDoc，速度超MinerU6倍

联系获取

联系获取

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

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

2025-11-19

Clawdbot 完整安装教学：2026 年最火的开源AI 个人助理

2026-01-27

一文彻底看懂 Google 最新开源 A2UI 协议：如何让 AI Agent “说出UI” ？

2025-12-22

豆包手机同款AutoGLM硬核开源：AI如何用“眼睛+大脑+手”接管你手机

2025-12-10

让白宫“破防”的阿里千问，我替你们测了...

2025-11-17

SkillsMP：一个聚合了 5 万+ AI Agent 技能的开源社区

2026-01-12

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

我把Claude Code换成GLM-4.7用了6小时，我竟然没发现明显区别

2025-12-23

Clawdbot 深度拆解： 7 个问题看懂它。

2026-01-29

Claude Code最强开源对手！GitHub 50.2k Star了，作者为它烧掉2.4w美元。

2026-01-06

大家都在问

一夜爆火，Clawdbot是否才是真正的AI入口产品？

2026-01-28

Clawdbot爆火：Karpathy点赞的开源AI助理，到底是什么？

2026-01-26

速递 | DeepSeek突然扔出MODEL1，这到底是V4还是R2？

2026-01-21

DeepSeek-R2要来了？

2026-01-21

TranslateGemma-27B谷歌开源翻译模型有多强？

2026-01-20

构建开放智能体生态：AgentScope 如何用 A2A 协议与 Nacos 打通协作壁垒？

2026-01-16

又是量化基金，第二个DeepSeek时刻到来了？

2026-01-02

被 Gemini 官方推荐为下一代Agent！Eigent 如何实现企业级浏览器自动化？

2025-12-24

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 Palantir Glean

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