申请收录
【大屏时代】首页 > 3D快报内容详情

小米开源空间音频大模型 MiDashengLM-Spatial，采用 Apache2.0许可证

1小时前 9 大屏时代
广告：【裸眼3D制作】 让想象突破物理极限，用数字重绘世界经纬。

小米宣布推出空间音频理解大模型 MiDashengLM-Spatial，完整公开模型权重及推理代码，并采用 Apache2.0开源许可证发布。小米称，该模型是业界首个开源的端到端空间音频理解大模型，在基础音频理解能力之上，进一步引入空间感知与推理能力。

过去两年，小米先后开源声音基座模型 Xiaomi Dasheng 和声音理解大模型 MiDashengLM-7B，相关技术已在智能家居、汽车座舱等场景落地超过30项应用，支持对语音、环境声音及音乐进行统一感知与理解。

此次发布的 MiDashengLM-Spatial 以 MiDashengLM-7B 为基础，使模型不仅能够识别声音内容，还能判断声音来源及其空间分布，推动音频大模型从内容理解向空间感知拓展。

小米表示，MiDashengLM-Spatial 后续将陆续应用于智能家居、汽车座舱等场景，通过空间听觉能力提升「人车家全生态」的交互体验。此次开放模型权重与推理代码，也为开发者开展空间音频理解相关研究和应用开发提供了基础。相关测试数据尚待补充。

项目主页:https://jinbo-hu.github.io/midashenglm-spatial-demo/

相关文章


版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。

相关标签： 小米开源空间音频大模型 MiDashengLM-Spatial，采用 Apache2.0许可证

最新文章

Micro LED破局、COB产能狂飙：LED显示产业迎来"技术分水岭"时刻

Micro LED破局、COB产能狂飙：LED显示产业迎来"技术分水岭"时刻

<br />过去十年，LED显示屏行业的关键词是"规模"与"价格战"。而进入2024年以来，产业的叙事逻辑正在被彻底改写。显示屏不再只是信息呈现的终端，而是开始深度嵌入建筑、零售、演艺、车载乃至虚拟拍摄等场景，成为连接物理空间与数字内容的核心界面。这种角色跃迁，背后是技术路线的剧烈分化与产能格局的重新洗牌。<br /><br /><br />Micro LED一直被视作LED显示的"终极形态"。2

微软完成 MAI-Base-2 预训练：2.8T 参数碾压开源对手，算力效率超 DeepSeek 数倍

微软完成 MAI-Base-2 预训练：2.8T 参数碾压开源对手，算力效率超 DeepSeek 数倍

微软宣布新一代SOTA基础模型MAI-Base-2完成预训练，官方称其性能强于所有参测开源权重模型。该模型总参数2.8T、活跃参数80B，用6000块英伟达GB200 GPU耗时38天训成，平均浮点算力利用率21%、有效吞吐量89%。其在超大集群上保持高效率，工程实力突出，算力效率更甩开DeepSeek 4至12倍，值

小米重磅开源首个端到端空间音频理解大模型 MiDashengLM-Spatial

小米重磅开源首个端到端空间音频理解大模型 MiDashengLM-Spatial

10月15日，小米宣布全面开源行业首个端到端空间音频理解大模型MiDashengLM-Spatial。该模型在保留传统基础音频理解能力的同时，突破性具备空间感知与深度推理能力，被视为领域开创性成果。小米透露，其未来将陆续深度接入智能家居、汽车座舱等核心业务，推动AI音频创新加速向物理世界延伸。

小米开源空间音频大模型 MiDashengLM-Spatial，采用 Apache2.0许可证

小米开源空间音频大模型 MiDashengLM-Spatial，采用 Apache2.0许可证

小米发布空间音频理解大模型 MiDashengLM-Spatial，完整公开模型权重和推理代码，以 Apache2.0 许可证开源。其称该模型为业界首个开源端到端空间音频理解大模型，在基础音频理解上引入空间感知与推理能力。此前小米已开源 Xiaomi Dasheng 和 MiDashengLM-7B，相关技术已在智能家

Cursor 调查 Grok Bot 内部测试数据或涉机密信息问题

Cursor 调查 Grok Bot 内部测试数据或涉机密信息问题

媒体调查显示，SpaceX AI部门智能体Grok Bot发布前引发内部数据安全担忧。2026年7月下旬，开发方Cursor工程师警告，内部测试及员工日常使用数据可能含客户、供应商和商业伙伴机密，或已传至SpaceX AI部门。Cursor已启动内部调查，结论未公开。该产品代号Sand，约今年6月起被用于销售、招聘和调

贾跃亭旗下 FFAI 发布 FF Nova 人形机器人，售价2490美元

贾跃亭旗下 FFAI 发布 FF Nova 人形机器人，售价2490美元

贾跃亭旗下Faraday Future发布迷你人形机器人FF Nova，本体售2490美元（约1.66万元），开发者技能包390美元。公司称其为美国首款低于2500美元的入门级具身智能人形机器人，定位可装入背包的Physical AI实验平台，面向开发者、极客、内容创作者及高校、科研实验室和教育机构，搭载激光雷达、广角

摩尔线程率先完成阶跃星辰 Step 5 Preview 大模型 Day-0 适配

摩尔线程率先完成阶跃星辰 Step 5 Preview 大模型 Day-0 适配

大模型与国产硬件生态融合加速。10月15日，阶跃星辰开源新一代大模型Step5Preview；同日，摩尔线程宣布MTT S5000智算卡及MUSA软件栈已完成Day-0适配。Step5Preview采用稀疏MoE架构，总参数量600B，每token激活27B，原生支持100万token超长上下文，展现国产软硬件协同迭代

Claude Opus5.5极速模式全面开放，输出速度提升2.5倍

Claude Opus5.5极速模式全面开放，输出速度提升2.5倍

Anthropic正式向全体开发者开放Claude Opus5.5极速模式，结束研究预览并取消等待名单。该模式不削减模型权重或推理能力，通过优化底层配置将输出速度提至标准模式2.5倍，并下调计费价格。目前仅支持部分Opus模型，开发者添加一行参数即可启用。其设有独立速率限制，不与标准模式共享提示词。

斯坦福等联合提出全新文本生成范式 NCM，生成速度狂飙 31 倍

斯坦福等联合提出全新文本生成范式 NCM，生成速度狂飙 31 倍

近日，斯坦福大学与Together AI联合提出全新文本生成范式Next-Concept Modeling（NCM，即“下一概念建模”）。它颠覆传统自回归和扩散模型，借鉴图像生成中的“下一尺度预测”，模拟人类先构思宏观大纲再逐步展开的写作方式。该研究有望为文本生成开辟新路线，文章重点介绍其创新背景、技术实现路径及潜在影

苹果智能中国落地迎来实锤！库克亲证接入阿里千问， 10 月底正式推送测试版

苹果智能中国落地迎来实锤！库克亲证接入阿里千问， 10 月底正式推送测试版

苹果在中国市场的AI布局迎来实质性进展。库克在上海接受采访时确认，Apple Intelligence及接入的阿里巴巴千问大模型已正式获批，将于今年10月晚些时候在中国发布测试版。首批核心功能包括实时翻译、书写工具和照片清除工具。此举意味着苹果智能在华落地迈出关键一步，不过更多功能与上线细节尚未公布。

Meta 发布 Muse Spark Open：自称&quot;美国最强开源&quot;，两台 Mac Studio 就能跑

Meta 发布 Muse Spark Open：自称&quot;美国最强开源&quot;，两台 Mac Studio 就能跑

Meta 15日发布开放权重模型 Muse Spark Open，称其为迄今最强美国开放权重模型。该模型采用原生多模态架构，总参数816B、激活42B，上下文窗口达1M token，专为代码构建与智能体协作优化，在长程任务、复杂软件工程和多步推理上表现突出。其本地部署门槛极低，依托MLX框架，成为同级首个仅需两台搭载M

广告业务承压与疯狂“挖角”同行！OpenAI 开启商业化加速战，Meta 成最大人才输送地

广告业务承压与疯狂“挖角”同行！OpenAI 开启商业化加速战，Meta 成最大人才输送地

OpenAI与Anthropic持续推出新大模型和工具，激烈争夺开发者，OpenAI广告业务一度被视为边缘布局。但局面正剧变：因广告收入或难达标，OpenAI近数月密集推出多款针对性新产品与工具，并主动下调广告定价，以吸引和扩充广告主阵营。最新数据显示，这一系列举措正引发更大变化。

LED显示屏的第二次觉醒：从拼墙到像素级革命

LED显示屏的第二次觉醒：从拼墙到像素级革命

<br />过去十年，LED显示屏行业的竞争主线是点间距不断缩小，P1.0、P0.9、P0.7一路下探。但如今这条赛道接近物理极限，真正的分水岭转向封装环节。COB（芯片直接封装在基板）与MiP（Micro LED in Package）两条路线正面交锋。COB凭借高防护、高对比度在会议室与广电市场站稳，MiP则被认为更适合向更小尺寸、更高密度演进。上游芯片厂、封装厂与屏企的关系正在重组，谁掌握封

Meta 发布最强开源模型 Muse Spark Open，并牵手苹果力推 Mac 本地运行

Meta 发布最强开源模型 Muse Spark Open，并牵手苹果力推 Mac 本地运行

当地时间周四，Meta发布迄今最强开放权重大模型Muse Spark Open，并与苹果合作推动其在Mac本地运行。该模型采用混合专家架构，原生多模态，总参数8160亿、活跃420亿，支持100万词元上下文，专为编码和智能代理任务设计，擅长长周期任务与复杂软件处理。

Meta 发布 Muse Spark Open:8160亿参数、1M 上下文，开放权重榜单得分39低于 GLM-5.3

Meta 发布 Muse Spark Open:8160亿参数、1M 上下文，开放权重榜单得分39低于 GLM-5.3

10月16日凌晨，Meta发布开放权重模型Muse Spark Open，总参数8160亿，每Token激活约420亿，支持100万Token上下文，可输入文本、图像、视频和音频。其采用稀疏混合专家架构，原生多模态，主攻编程与Agent任务，面向长周期执行、复杂软件工程和多步推理。Meta称其为迄今最强美国开放权重模型

OpenAI 正式宣布 GPT-5.5 退出 ChatGPT，多款旧版 API 进入三个月下架倒计时

OpenAI 正式宣布 GPT-5.5 退出 ChatGPT，多款旧版 API 进入三个月下架倒计时

人工智能迭代加速。OpenAI宣布GPT-5.5于10月14日从ChatGPT、ChatGPT Work和登录Codex退役，相关API暂不受影响；含GPT-4o在内的多款旧模型将于2027年1月14日停用，开发者与企业仅剩约三个月迁移期。GPT-6.1等新模型已全面上线，响应速度和事实准确性提升。

Anthropic IPO 估值遭砍：增速放缓，2 万亿美元预期回落至 1.5 万亿

Anthropic IPO 估值遭砍：增速放缓，2 万亿美元预期回落至 1.5 万亿

路透社援引四名知情人士称，AI融资成本攀升引发市场不安。Anthropic披露最新财务数据后，部分现有股东与拟参与IPO的投资者考虑下调其估值。三人透露，旧金山投资者日活动上，投资者围绕约1.5万亿美元估值讨论；此前预期其11月上市估值约2万亿美元。这显示市场对AI高估值与融资环境趋于谨慎。

Figma 推出 Markdown 编辑器 Specs，扩大代码层公开测试

Figma 推出 Markdown 编辑器 Specs，扩大代码层公开测试

Figma在印度首届Config大会推出基于Markdown的新编辑器Figma Specs，并扩大代码层公开测试，推进Payload与Figma Make集成，完善AI辅助设计与开发流程。Figma Specs支持以文档定义设计语言，可独立或与画布共存，能引用画布元素、嵌入FigJam图表、代码层和设计内容，并整合设

DeepSeek发布服务补偿通知:将按账号7日内消耗金额全额返还赠金

DeepSeek发布服务补偿通知:将按账号7日内消耗金额全额返还赠金

10月15日，DeepSeek开放平台发布服务恢复及补偿通知。北京时间2026年10月15日8:11至13:04，其系统故障导致API服务无法正常使用。平台已全面排查整改，梳理并剥离单点依赖，防止同类问题重演。平台将对受影响服务进行全额补偿，补偿按用户账号7日内相关方案执行。

从拉斯维加斯巨球到客厅电视：LED显示屏正在重写全球显示产业的权力版图

从拉斯维加斯巨球到客厅电视：LED显示屏正在重写全球显示产业的权力版图

<br />当拉斯维加斯Sphere那块占地58000平方英尺的巨型LED穹顶亮起时，全世界都意识到，LED显示屏已经不再是体育场馆边缘那块模糊的计分板。过去十二个月，从拉斯维加斯到迪拜，从首尔到深圳，LED显示技术完成了一次静默却彻底的权力交接——它正在吃掉投影仪、LCD拼接墙，甚至向高端家用电视市场发起总攻。<br /><br /><br />最新一代Micro LED和Mini LED背光技

从巨幕到掌心：LED显示屏的第二次革命正在重构整个显示产业

从巨幕到掌心：LED显示屏的第二次革命正在重构整个显示产业

<br />过去十年，LED显示屏最深刻的身份转变，是它不再只是贴在楼宇外墙上的发光广告牌。随着微间距（fine pitch）技术成熟，LED正在成为会议室、演播厅、汽车座舱乃至电影院里的一块基础性“计算界面”。多家产业研究机构的数据显示，全球LED显示屏市场已逼近百亿美元量级，其中中国厂商贡献了超过六成的产能与出货量。这意味着，讨论LED，已经无法绕开中国供应链的节奏。<br /><br /><

从球场巨幕到车载座舱：LED显示屏产业正在经历一场从像素到场景的价值重估

从球场巨幕到车载座舱：LED显示屏产业正在经历一场从像素到场景的价值重估

<br />过去十年，LED显示屏行业最常被引用的指标是点间距。从P10到P0.9，再到实验室里的P0.3，像素密度的竞赛几乎定义了整个产业的技术叙事。但2024年之后，这套叙事正在失效——当点间距缩小到人眼在常规观看距离下无法分辨的程度，继续堆叠密度的边际收益急剧衰减。真正决定下一轮竞争格局的，是驱动IC、封装工艺与算法引擎共同构成的系统能力。<br /><br /><br />Micro LE

LED显示屏的“像素战争”进入下半场：Micro LED量产破局，AI与虚拟制作重写万亿户外媒体版图

LED显示屏的“像素战争”进入下半场：Micro LED量产破局，AI与虚拟制作重写万亿户外媒体版图

<br />过去十二个月，全球LED显示屏产业经历了一轮罕见的技术共振。从上游芯片端的Micro LED巨量转移良率突破，到中游封装环节COB与MIP路线的正面交锋，再到下游数字户外媒体（DOOH）与虚拟制作市场的爆发，整条产业链的价值逻辑正在被重写。多位业内人士向笔者坦言，这不是一次常规的产能周期，而是一次结构性的技术换代。<br /><br /><br />长期以来，Micro LED被视为“

LED显示屏的“第二增长曲线”：当一块屏不再只是屏，千亿产业正在重估自己的价值

LED显示屏的“第二增长曲线”：当一块屏不再只是屏，千亿产业正在重估自己的价值

<br />过去十年，LED显示屏行业的叙事几乎只有一个主角：点间距。谁能把P值做得更小，谁就能拿下更高端的订单。但2024年以来的产业信号显示，这条单线逻辑正在失效。上游芯片价格持续承压，中游封装产能过剩，下游工程商在价格战里越陷越深。真正在增长的，不是更大更密的屏，而是“屏之外的生意”——虚拟拍摄、影院屏、会议一体机、智慧灯杆、车载显示。一块屏的价值，正在从硬件参数转向它所在的那个场景。<br

最新网站

Jasper AI竞品份额分析

Jasper AI竞品份额分析

<br />竞品A（Jasper AI）近三个月市场份额由约14.6%降至9.8%，累计下滑4.8个百分点，呈"高位急跌—中段缓跌—低位盘整"的三段式走势。判断：短期难以逆转下滑，但已接近其付费专业用户的基本盘底部。<br /><br /><br />第一月：14.6%降至11.9%，环比-2.7pct，主因企业客户集中续约流失；第二月：11.9%降至10.4%，环比-1.5pct，降幅明显收窄；
LocalBanana

LocalBanana

LocalBanana是专注于 AI 图像 Prompt 收集与结构化的平台，帮助用户深入理解并高效利用 Prompt，提升创作能力。围绕 Nano Banana（Gemini）生态，将散落在各处的优质 Prompt 整理为可检索、可编辑的创作资产。
智策AI导航平台

智策AI导航平台

<br />智策AI导航（www.zhiceai.com）是一个专注于人工智能工具发现与评测的综合性导航网站。平台收录了全球超过5000个AI应用，覆盖自然语言处理、图像生成、视频制作、智能办公、教育培训、编程开发、数据分析、营销文案等20多个主流分类。站长、产品经理、设计师、学生及自由职业者都可以在这里快速找到适合自己工作流的AI工具，并获取实时更新的功能评测和优惠信息。<br /><br />
文心一言AI平台分析

文心一言AI平台分析

<br />文心一言是百度推出的新一代知识增强大语言模型，基于飞桨深度学习平台和文心知识增强技术，能够与人对话互动、回答问题、协助创作，高效便捷地帮助人们获取信息、知识和灵感。作为国内领先的AI对话产品，文心一言自发布以来持续迭代，已广泛应用于多个行业场景，成为百度AI技术战略的核心载体之一。<br /><br /><br />文心一言提供多种实用功能，包括智能问答、文本创作、代码生成、逻辑推理、
AI大百科

AI大百科

<br />AI大百科是一个专注于人工智能知识普及和工具推荐的综合性网站，旨在为AI爱好者、开发者、产品经理与企业决策者提供一站式信息入口。平台自2021年上线以来，已收录超过5000个AI工具与模型，涵盖自然语言处理、计算机视觉、语音识别、生成式AI、AI绘画、AI视频、AI办公等多个细分领域。网站以简洁的界面和清晰的分类著称，用户可以通过搜索或浏览标签快速找到所需资源，并查看每个工具的功能介绍
通义千问：阿里AI助手

通义千问：阿里AI助手

<br />通义千问是阿里巴巴集团推出的AI大模型产品，由阿里云开发并托管。它于2023年首次亮相，定位为面向中文用户的多功能智能助手，支持文本生成、代码编写、文档分析、多轮对话等任务。网站界面简洁，用户可以直接在浏览器中体验，无需下载应用，同时也提供API接口供开发者集成。<br /><br /><br />通义千问的主要功能包括：知识问答、创意写作、翻译润色、编程辅助、数据分析、学习辅导等。它
AI工具集导航

AI工具集导航

<br />AI工具集是一个专注于收录和推荐人工智能相关工具与资源的导航网站。它汇集了全球范围内数百款AI产品，覆盖文本生成、图像创作、音频处理、视频制作、编程助手、办公效率等多个领域。无论你是普通用户、开发者还是企业决策者，都能在这里快速找到适合自己的AI工具。<br /><br /><br />AI工具集的核心功能是分类展示和搜索。网站按照工具的应用场景进行细致分类，例如AI写作、AI绘画、A
Hugging Face AI平台

Hugging Face AI平台

<br />Hugging Face是一个致力于人工智能和自然语言处理的开源平台，提供海量预训练模型、数据集和工具，帮助开发者和企业快速构建、训练和部署AI应用。其核心产品包括Transformers库、Hub模型仓库、Spaces应用托管以及Inference API等，覆盖从研究到生产的全流程。<br /><br /><br />该平台以模型Hub为中心，支持TensorFlow、PyTorc
DeepMind AI研究平台

DeepMind AI研究平台

<br />DeepMind是一家位于英国伦敦的人工智能公司，成立于2010年，2014年被谷歌收购。作为全球领先的AI研究机构，DeepMind致力于开发通用人工智能（AGI），其研究成果在游戏、医疗、科学等多个领域产生了深远影响。DeepMind的使命是“解决智能问题”，通过将神经科学与机器学习相结合，推动AI技术的边界。<br /><br /><br />DeepMind最著名的成就是Alp
智谱AI官网

智谱AI官网

<br />智谱AI（北京智谱华章科技有限公司）是一家专注于人工智能大模型研发与应用的科技公司，成立于2019年，由清华大学计算机系知识工程实验室技术成果转化而来。公司以“让机器像人一样思考”为愿景，致力于打造安全、可控、可解释的通用人工智能系统。智谱AI在自然语言处理、知识图谱、多模态理解等领域拥有深厚积累，其核心产品GLM系列大模型已广泛应用于政务、金融、医疗、教育等多个行业。<br /><b
Midjourney

Midjourney

<br />Midjourney是一款基于人工智能的图像生成工具，由独立研究实验室Midjourney, Inc.开发。用户只需输入文字描述，即可生成高质量、富有创意的图片。自2022年公开测试以来，它迅速成为AI绘画领域的标杆产品，广泛应用于艺术创作、设计、广告和娱乐等行业。<br /><br /><br />Midjourney的核心功能是文本到图像生成，支持多种风格和参数调节。用户可以通过D
量子位AI网站分析

量子位AI网站分析

<br />量子位（QbitAI）是一家专注于人工智能领域的前沿科技媒体，成立于2017年，总部位于北京。网站以报道AI行业动态、技术突破、产业应用和创业公司为核心，内容涵盖机器学习、深度学习、自然语言处理、计算机视觉、AI芯片、自动驾驶等多个细分领域。量子位通过图文、视频、线下活动等形式，向技术从业者、投资者和科技爱好者传递高质量的AI资讯与深度分析。<br /><br /><br />量子位的
DeepMind官网

DeepMind官网

<br />DeepMind是谷歌母公司Alphabet旗下的人工智能研究实验室，成立于2010年，总部位于伦敦。该网站是DeepMind的官方门户，集中展示了其在AI领域的前沿研究成果、技术博客、学术论文以及研究人员团队。作为全球顶尖的AI研究机构之一，DeepMind致力于“解决智能问题”，并推动AI技术在社会各领域的应用。<br /><br /><br />DeepMind最广为人知的成就是
豆包AI官方网站

豆包AI官方网站

<br />豆包AI是字节跳动公司推出的一款人工智能助手，基于先进的大语言模型技术，为用户提供智能问答、文本创作、代码辅助、情感陪伴等多种服务。自发布以来，豆包AI凭借其自然流畅的交互体验和强大的理解能力，迅速成为国内最受欢迎的AI应用之一。用户可以通过网页端或移动端随时随地使用豆包，满足工作、学习和生活中的多样化需求。<br /><br /><br />豆包AI的核心功能主要包括智能对话、内容创
Toolify AI工具导航网站

Toolify AI工具导航网站

<br />Toolify AI是一个专注于人工智能工具聚合与推荐的导航网站，目前收录了全球超过5000款AI应用，涵盖文本生成、图像处理、视频创作、音频编辑、代码辅助、数据分析等多个领域。无论是普通用户还是专业开发者，都能在这里快速找到适合自己的AI工具。平台每天更新最新上线的AI产品，并基于用户真实反馈进行排序和分类，帮助用户节省大量搜索和筛选的时间。<br /><br /><br />Too
ChatGPT官网介绍

ChatGPT官网介绍

<br />ChatGPT是OpenAI开发的人工智能聊天机器人平台，于2022年11月30日首次发布。作为目前全球用户量最大的AI对话产品，ChatGPT基于GPT系列大语言模型，支持自然语言问答、文本生成、代码编写、翻译、摘要、创意写作等多样化任务。其官方网站不仅提供免费的Web端服务，还集成了付费订阅、API访问、插件生态和联网搜索功能，成为个人用户与企业用户接触前沿AI能力的重要入口。<b

Copyright © 2016 ~ 2024 大屏时代 (www.dapingtime.com) 联系QQ：88251776苏ICP备2020058979号-3 大屏头条