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： 1768

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

2025-11-08

GitHub 53k Stars!百度开源的OCR神器,支持80+语言,准确率碾压商业方案!

2025-11-08

别只盯着 DeepSeek，重复输入提示词啦！Kimi 王炸发布 K2 推理模型，能力强大，还支持常用语

2025-11-07

短短几天斩获 17k Star，这个基于 AI 的舆情分析开源项目火了！

2025-11-07

Dify你不知道的秘密：解锁AI应用开发的四大核心技术

2025-11-07

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

阿里开源SmartResume，简历解析无需手工

2025-11-06

把任何文档变成Claude的新技能，这个开源工具火了。

2025-11-06

首个AI商业广告工作流开源，我做出了可口可乐最有创意的广告

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 V3.1 Base / Instruct 发布

2025-08-20

阿里Qoder vs Trae vs Cursor：谁才是2025年程序猿的效率之王？

2025-09-07

DeepSeek-V3.1-Base来了！MoE架构+128K上下文，性能再进化

2025-08-20

重磅开源！通义万相最新模型来了

2025-08-26

阿里AI编程 IDE Qoder 正式发布，BAT 终于凑齐了！

2025-08-22

开源发布！适合中国宝宝的 LangGraph 智能体开发模板！

2025-09-06

DeepSeek又开源，这次是OCR模型！附论文解读！

2025-10-20

DeepSeek-V3.1发布，拿下全球开源第一，确实可以封神了！（附一手实测）

2025-08-22

Claude不让用，有哪些国产模型能迎头赶上？

2025-09-08

发现一个超神的Github开源OCR项目，国产多模态杀疯了

2025-10-27

大家都在问

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

Dify Pre-release版本来了，Dify2.0时代不远了，看看有哪些进步？

2025-09-09

Claude不让用，有哪些国产模型能迎头赶上？

2025-09-08

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 知识管理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： ceo@53ai.com

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