Chinese content小米开源 MiDashengLM-Spatial：能听懂声音内容也能定位声源方向
小米把 MiDashengLM-7B 升级成能识别声源方位和距离的版本，Apache 2.0 开源，做空间音频应用的同学可以直接拿来用。
#audio understanding
5 stories · 0 in 7 days · 2 in 30 days
Stories, products and papers tagged "audio understanding", newest first.
Oct 16
Chinese content小米开源空间音频理解模型 MiDashengLM-Spatial
小米把音频模型升级到能听出声音方位了，权重和代码全开源，做智能家居或车载语音的可以直接上手。
IT之家Source
Jul 8
Chinese content英伟达发布 Audex 统一模型：30B 总参数，避免多模态扩展后文本能力下滑
英伟达出了个Audex，30B参数但只激活3B，能听能说还不掉文本能力，MMLU-Redux得分86.4比原来还高一点。
IT之家Source
Chinese contentNVIDIA发布Audex：统一音频-文本LLM，保留骨干文本智能
NVIDIA发了款新模型Audex，能同时搞定音频理解、语音识别、翻译、TTS和音频生成，而且几乎没牺牲原有文本模型的性能。
May 16
Chinese contentDoubao-Seed-2.0-lite 0428 内测：豆包首款全模态理解模型
豆包终于补齐了音频理解短板，做多模态应用的开发者可以直接拿 API 测试前端动效复刻、视频分析等场景，比之前只能处理文本和图片强太多。