小米开源首个原生端到端语音大模型

XM外汇官网讯——

【小米开源首个原生端到端语音模型】

9月19日，小米小米推出了其首个原生端到端语音模型——Xiaomi-MiMo-Audio。开源该模型基于创新的原生音预训练架构和超过亿小时的训练数据，实现了在语音领域的端到端语少样本泛化，并展现出显著的模型“涌现”行为。根据介绍，小米MiMo-Audio在通用语音理解和对话等多个标准评测基准上表现出色，开源性能远超同等参数的原生音开源模型，达到了7B的端到端语最佳表现；在音频理解基准MMAU的标准测试集上，其表现超过了Google的模型闭源模型Gemini-2.5-Flash；在面向复杂音频推理的基准Big Bench Audio S2T任务中，MiMo-Audio同样优于OpenAI的小米闭源语音模型GPT-4o-Audio-Preview。