Xiaomi以Apache 2.0许可证开源音频模型“MiDashengLM-Spatial”，可理解声音内容及其方向、距离和运动（报道）

已核实（事实）

据Pandaily报道，Xiaomi以Apache 2.0许可证开源了空间音频理解模型“MiDashengLM-Spatial”。该模型在MiDashengLM-7B的基础上增加了新编码器“Spatial-Dasheng”，除通用音频理解外，还能判断声源的方向、距离和运动。

待核实（说法）

可同时理解声音的“是什么”和“在哪里”（据报道转述）。收集到的条目中没有公开的基准测试数据

意义（解读）

现有音频语言模型大多只处理“是什么声音”。如果还能理解声音的位置和移动，就可用于机器人、智能设备、AR眼镜等需要感知周围环境的设备。采用允许商业使用的Apache 2.0许可证这一点也值得关注。

来源

• 媒体 Xiaomi Open-Sources MiDashengLM-Spatial, an Audio Model That Hears Both What and Where Pandaily