IT之家 · 智能时代 · 2026/10/16 09:35:20
小米开源 MiDashengLM-Spatial：业界首个端到端空间音频理解大模型，赋予 AI 声源定位与空间推理能力
出处作者 / 发布主体：IT之家
78AI 研判分
核心综述
小米发布并开源了业界首个端到端空间音频理解大模型 MiDashengLM-Spatial，在保留基础音频语义理解的同时，新增了声源定位与空间分布感知能力。该模型基于 MiDashengLM-7B 构建，旨在推动音频 AI 从“听懂内容”向“理解空间”跨越，并将应用于智能家居与汽车座舱场景。目前技术报告、评估代码及模型权重已在 GitHub 和 HuggingFace 公开。
报道全文原始报道全文
过去两年，小米先后发布并开源了声音基座模型 Xiaomi Dasheng 及声音理解大模型 MiDashengLM-7B。相关技术已在小米智能家居、汽车座舱等场景实现超过 30 项落地应用，能够对语音、环境声音和音乐进行统一感知与理解。
据介绍，新模型以 MiDashengLM-7B 为基座，进一步为声音理解大模型赋予“一双耳朵”，使其不仅能够听懂声音的内容，还能感知声音来自何处、如何在空间中分布。
小米表示，MiDashengLM-Spatial 是业界首个开源的端到端空间音频理解大模型，在保留基础音频理解能力的同时，具备空间感知与推理能力，推动音频大模型从“听懂声音”进一步迈向“理解声音所处的空间”。
该模型将陆续应用于小米智能家居、汽车座舱等场景，以空间听觉能力进一步提升“人车家全生态”的交互体验。相关测试数据如下：
IT之家附相关链接：
- 技术报告：https://arxiv.org/abs/2610.11156
- 评估代码（GitHub）: https://github.com/xiaomi-research/midashenglm-spatial
- 模型结构与权重（HuggingFace）：https://huggingface.co/mispeech/midashenglm-spatial