刚刚，小米又开源一大模型，22个公开测评SOTA

主要观点总结

小米公司正式开源声音理解大模型MiDashengLM-7B，该模型在多个公开评测集上实现声音理解的最好成绩。模型基于Xiaomi Dasheng作为音频编码器和Qwen2.5-Omni-7B Thinker作为自回归解码器，通过通用音频描述训练策略，实现对语音、环境声音和音乐的统一理解。该模型具备跨场景音频理解能力，在音频描述、声音理解、音频问答任务中表现出优势。此外，MiDashengLM的训练和推理效率也是其优势之一，能够支持更多的并发请求量，降低计算成本。模型的训练范式也发生了变化，从碎片化转录到全局语义刻画。此次开源的模型和数据集均为全栈开源，透明可复现。小米的AI多模态领域的未来值得期待。

关键观点总结

关键观点1: MiDashengLM-7B模型实现声音理解性能的新突破

小米公司开源的声音理解大模型MiDashengLM-7B，在多个公开评测集上达到声音理解的最好成绩。

关键观点2: MiDashengLM模型的跨场景音频理解能力

MiDashengLM模型具备在音频描述、声音理解、音频问答任务中的优势，能够支持跨场景音频理解。

关键观点3: MiDashengLM的训练和推理效率

MiDashengLM的训练和推理效率是其另一项优势，能够支持更多的并发请求量，降低计算成本。

关键观点4: 训练范式的改变

MiDashengLM采用通用音频描述对齐范式，从碎片化转录转变到全局语义刻画，提高了数据利用率。

关键观点5: 全栈开源和透明可复现

小米公司此次开源的模型和数据集均为全栈开源，技术报告公开，透明可复现。