每經(jīng)AI快訊，據(jù)Xiaomi MiMo微信公眾號(hào)消息，9月19日，小米正式開(kāi)源首個(gè)原生端到端語(yǔ)音模型——Xiaomi-MiMo-Audio，它基于創(chuàng)新預(yù)訓(xùn)練架構(gòu)和上億小時(shí)訓(xùn)練數(shù)據(jù)，首次在語(yǔ)音領(lǐng)域?qū)崿F(xiàn)基于ICL的少樣本泛化，并在預(yù)訓(xùn)練觀察到明顯的“涌現(xiàn)”行為。據(jù)介紹，在通用語(yǔ)音理解及對(duì)話(huà)等多項(xiàng)標(biāo)準(zhǔn)評(píng)測(cè)基準(zhǔn)中，MiMo-Audio大幅超越了同參數(shù)量的開(kāi)源模型，取得7B最佳性能；在音頻理解基準(zhǔn)MMAU的標(biāo)準(zhǔn)測(cè)試集上，MiMo-Audio超過(guò)Google閉源語(yǔ)音模型Gemini-2.5-Flash；在面向音頻復(fù)雜推理的基準(zhǔn)Big Bench Audio S2T任務(wù)中，MiMo-Audio同樣超越了OpenAI閉源的語(yǔ)音模型GPT-4o-Audio-Preview。