小米推聲音AI開源模型MiDashengLM-7B 一次刷新22項國際評測記錄
記者鄧天心／綜合報導
小米於2025年8月4日正式發布自言聲音開源模型MiDashengLM-7B，強調MiDashengLM-7B不但速度快、準確率高，例如模型回應一段聲音的第一字只需要同類型產品四分之一的時間，且同樣的顯卡記憶體情況下，可以同時處理的任務卻多20倍，此外，在22個知名的國際公開測試中，也創下目前的最佳成績。
延伸閱讀：OpenAI首座歐洲AI資料中心設在挪威！將搭載10萬顆輝達GB300晶片
這套模型的核心是小米自家打造的音訊編碼器（Xiaomi Dasheng），結合了Qwen2.5-Omni-7B解碼器它讓AI能像人一樣「聽懂」語音，也能理解生活環境裡各種雜音、甚至音樂，另一個特點是，小米這次將所有訓練音檔來源都公開透明（共77份資料），與業界習慣留一手相比，更方便大家學習和檢驗。
早在2024年，小米就發表過Xiaomi Dasheng聲音底層模型，當時打破了全球最大的聲音數據比賽AudioSet的記錄，也在各項聲音理解能力比賽中領先。現在這項技術已經實際用在約30種小米智能家居和汽車的應用場景中。像是汽車能自動偵測車外可疑聲音，甚至只要打個響指就能控制家電，這些都靠這套AI模型在背後支撐。
MiDashengLM-7B還嵌入了新的互動功能，舉例來說，用戶唱歌或練習外語時，AI能即時糾正發音並給出具體建議；開車時提出任何關於環境聲音的問題，也能即時獲得AI的語音解釋。
未來，小米規劃繼續強化MiDashengLM-7B，讓它能更節能、運轉更快，甚至做到可以離線使用，還希望讓用戶能直接用語音指令讓AI幫忙編輯各種聲音。
