Xiaomi julkaisi avoimen lähdekoodin tilaäänimallin MiDashengLM-Spatial
Xiaomi on julkaissut MiDashengLM-Spatial-mallin, joka pystyy ymmärtämään äänen suunnan ja tilallisen jakautumisen. Mallin painot ja koodi ovat nyt saatavilla avoimena lähdekoodina.
Kiinalainen teknologiayhtiö Xiaomi on julkaissut uuden, avoimen lähdekoodin suuren kielimallin nimeltä MiDashengLM-Spatial. Malli on suunniteltu ymmärtämään ääntä paitsi sisällön perusteella, myös sen perusteella, mistä suunnasta ääni tulee ja miten se jakautuu tilassa.
Malli perustuu Xiaomin aiempaan MiDashengLM-7B-äänimalliin. Uuden version on kerrottu kykenevän tilalliseen kuulemiseen ja päättelyyn, mikä laajentaa äänimallien kykyjä pelkästä äänen tunnistamisesta sen ymmärtämiseen sen sijaintiin liittyen. Xiaomi ilmoittaa mallin olevan ensimmäinen avoimesti saatavilla oleva päästä päähän -tilaäänimalli.
Xiaomi aikoo integroida MiDashengLM-Spatial-mallin osaksi älykotiaan ja autojensa ohjaamoita parantaakseen käyttäjäkokemusta. Yrityksen mukaan tilaäänimallin avulla voidaan luoda saumattomampaa vuorovaikutusta ihmisen, auton ja kodin välille "ihminen-auto-koti" -ekosysteemissä.
Malli ja sen pääsykoodi on julkaistu Apache 2.0 -lisenssillä, mikä mahdollistaa sen vapaan käytön ja kehittämisen. Tavoitteena on edistää ääniteknologian kehitystä ja uusien sovellusten syntymistä.