MiDashengLM-Spatial: novo modelo de compreensão de áudio espacial da Xiaomi

A Xiaomi apresentou o MiDashengLM-Spatial, um modelo de compreensão de áudio espacial de código aberto, como parte da sua série Dasheng. O modelo é totalmente de código aberto, com pesos e código de inferência disponibilizados sob a licença Apache 2.0. Baseia-se no modelo MiDashengLM-7B, adicionando capacidades de percepção espacial para permitir que o modelo compreenda não apenas o que está a ser dito, mas também de onde o som está a originar-se. A Xiaomi afirma que é o primeiro modelo de compreensão de áudio espacial de código aberto. Espera-se que o modelo melhore a experiência do utilizador nos cenários de casa inteligente e cockpit automóvel da Xiaomi. O site do projeto, o repositório GitHub e a página do HuggingFace fornecem acesso à estrutura e aos pesos do modelo.