小米开源 MiDashengLM-Spatial：端到端空间音频理解，能听内容也能辨声源方位
小米开源空间音频理解大模型 MiDashengLM-Spatial：以 MiDashengLM-7B 为基座，在听懂语音、环境声与音乐之外增加声源方位与空间分布感知；权重与推理代码以 Apache 2.0 发布，计划用于智能家居与汽车座舱。
据 IT之家 10 月 16 日报道（小米技术团队此前一日宣布），小米开源 MiDashengLM-Spatial，定位为端到端的空间音频理解大模型。要点如下：
- 能做什么：在已有 Dasheng 系列（声音基座 Xiaomi Dasheng、理解模型 MiDashengLM-7B）「听懂语音、环境声和音乐」的基础上，进一步判断声音来自何处、如何在空间中分布，并把空间感知与推理串进同一套端到端模型；
- 开放方式：完整公开模型权重与推理代码，许可证为 Apache 2.0，可用于商业集成或学术研究；项目主页、arXiv 技术报告、GitHub 评估代码、Hugging Face 权重 均已给出；
- 落地方向：官方称相关技术已在小米智能家居、汽车座舱等场景落地超 30 项应用；Spatial 版本将陆续接入「人车家」生态，用空间听觉改善交互体验。
对创作者意味着什么： 短视频和播客创作者日常更常碰到的是「生成配乐、分离人声、降噪」，这条开源模型解决的是另一头——让系统理解双耳空间里的声源位置与运动，对做沉浸式音频、ASMR、互动播客、空间音效设计，或想在本地/私有化方案里加「听方向」能力的人更有参考价值。普通剪辑 workflow 不必立刻替换现有工具；若你在做开源音频管线或智能硬件 demo，可以先用官方 demo 与权重做小规模评测，再决定是否接入产品。商用前仍需自行核对 Apache 2.0 条款与依赖许可。
信息来源：IT之家（本文为编辑整理改写）
