小米开源MiMo-Audio语音模型，性能超越GPT-4o-Audio
AI导读：
9月19日，小米正式开源首个原生端到端语音模型Xiaomi-MiMo-Audio，该模型基于创新架构和上亿小时训练数据，在语音理解及对话评测中超越同参数开源模型，性能优于Google和OpenAI的闭源语音模型。
每经AI快讯，据Xiaomi MiMo微信公众号消息，9月19日，小米正式开源首个原生端到端语音模型——Xiaomi-MiMo-Audio，该模型基于创新预训练架构和上亿小时训练数据，首次在语音领域实现基于ICL的少样本泛化，并在预训练过程中观察到明显的“涌现”行为。据介绍，在通用语音理解及对话等多项标准评测基准中，MiMo-Audio模型大幅超越了同参数量的开源模型，取得7B最佳性能；在音频理解基准MMAU的标准测试集上，MiMo-Audio语音模型超过Google闭源语音模型Gemini-2.5-Flash；在面向音频复杂推理的基准Big Bench Audio S2T任务中，MiMo-Audio技术同样超越了OpenAI闭源的语音模型GPT-4o-Audio-Preview。
（文章来源：每日经济新闻）
郑重声明：以上内容与本站立场无关。本站发布此内容的目的在于传播更多信息，本站对其观点、判断保持中立，不保证该内容（包括但不限于文字、数据及图表）全部或者部分内容的准确性、真实性、完整性、有效性、及时性、原创性等。相关内容不对各位读者构成任何投资建议，据此操作，风险自担。股市有风险，投资需谨慎。如对该内容存在异议，或发现违法及不良信息，请发送邮件至yxiu_cn@foxmail.com，我们将安排核实处理。
