小米发布Xiaomi-MiMo-Audio:全球首个开源端到端语音大模型
感谢热心网友飞天面条神提供的线索9月19日,小米正式对外开源其首个原生端到端语音大模型Xiaomi-MiMo-Audio,标志着在语音领域首次实现了基于上下文学习的少样本泛化能力。该模型突破了当前语
据热心网友"飞天面条神"提供的信息显示 近日,小米宣布开源旗下首个端到端语音大模型Xiaomi-MiMo-Audio,在语音技术领域实现了基于上下文学习的少样本泛化能力突破。这一创新解决了当前语音模型对大量标注数据的依赖问题,为构建更智能的语音交互系统开辟了新方向。
据了解,GPT-3五年前通过自回归模型大规模预训练展现了出色的上下文学习能力,带动了自然语言处理的革命。但语音识别领域长期受限于人工标注数据的需求,模型泛化能力较弱,难以适应新场景。
Xiaomi-MiMo-Audio采用创新的预训练框架,经过累计亿万小时的训练,在智商、情商、表达能力和安全合规等多个维度实现了突破性进展。其语音自然度、情感表达及交互适应性已接近真人水平。 该模型在技术上取得两大突破:首先证实了基于语音无损压缩的亿级预训练可以产生跨任务泛化能力,使模型具备出色的少样本学习性能;其次完整提出了语音生成式预训练的目标框架,并开源了包含Tokenizer、模型结构、训练方法和评价标准在内的完整技术方案。
目前,该模型的预训练版本和指令调优模型已在Huggingface平台发布,Tokenizer模型也同步在Github开放。这个基于Transformer架构的1.2B参数大模型支持音频重建、语音转文本等多种任务应用,为科研和产业发展提供了有力支撑。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
地下室发现尘封12年AMD前CEO旧PC苏姿丰签名推土机硬件
一位技工在客户家地下室发现一台属于AMD前CEORoryRead的旧PC,机箱上留有苏姿丰等高管签名,配置为推土机时代硬件且从未开机。这台电脑封存了AMD从推土机失败到Zen架构崛起的关键转折历史。
Laravel 12生态成熟助力全栈开发效率提升
Laravel12延续开发体验优势,在项目结构、查询构建、API开发、调试及性能上持续优化。其生态日趋成熟,形成Reverb、Pulse等完整工具链,覆盖API、SaaS、企业后台及AI应用开发。与Next js的组合逐渐流行,Laravel已演变为现代Web开发平台,保持社区活力。
Linux内核持续演进:Rust语言与零拷贝网络成新焦点
LinuxKernel6 15重大更新:Rust驱动正式入主线,NOVADRM成为首个实践案例;io_uring新增零拷贝网络接收,降低CPU开销与延迟;Btrfs增强实时zstd压缩、DirectIO及稳定性。内核同步推进安全化与高性能网络化。
谷歌Gemini进入Agent时代 打造全天候AI助理
Google推出GeminiSpark、Omni等新功能。Spark可全天候在后台运行,主动处理邮件、日历等任务;Omni侧重视频理解与环境推理,布局世界模型。AI正从被动回答转向主动观察、规划与执行,标志着竞赛进入新阶段。
CPU-Z 2.20.2正式版发布 支持Intel三大平台及AMD锐龙AI Max
CPU-Z2 20 2正式版发布,新增支持IntelPantherLake、WildcatLake、BartlettLake三大架构及AMD锐龙AIMax、Pro系列,加入锐炫G3识别库,修复缓存错误和锐龙77700X3D检测问题,免费下载。
- 热门数据榜
相关攻略
2026-07-09 13:02
2026-07-09 13:02
2026-07-09 13:02
2026-07-09 13:01
2026-07-09 13:01
2026-07-09 13:01
2026-07-09 13:01
2026-07-09 13:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程

