# 小米开源MiMo-Audio：首个端到端语音大模型发布，性能超越GPT-4o与Gemini - Link: https://paooo.com/aigc-news/13628/ - Published: 2026-06-21T06:42:22+08:00 - Author: Prompt 语宙研究院 > **💡 站外导读：**当前语音AI领域面临两大核心瓶颈：一是对海量高质量标注数据的过度 > 依赖，推高了研发成本与迭代门槛；二是多数模型在复杂推理与跨任务泛化上能力有限。 > 小米此次开源MiMo-Audio，正是针对这些痛点推出的破局之作。它标志着语音模型正从“识别 > 工具”向具备理解、推理与生成能力的“智能体”快速演进，为行业带来新的技术范式与商业 > 化想象空间。 ## Xiaomi-MiMo-Audio是什么 Xiaomi-MiMo-Audio是小米开源的首个原生端到端语音大模型。模型基于创新预训练架构和上 亿小时训练数据，首次在语音领域实现了基于 In-Context Learning（ICL）的少样本泛化能力， 打破了语音领域依赖大规模标注数据的瓶颈。Xiaomi-MiMo-Audio 在多项标准评测基准中大幅 超越同参数量的开源模型，取得7B最佳性能。在音频理解基准 MMAU 的标准测试集上超过了 Google 的 Gemini-2.5-Flash，在音频复杂推理基准 Big Bench Audio S2T 任务中超越了 [OpenAI](https://paooo.com/tag/openai/) 的 GPT-4o-Audio-Preview。 阅读目录 * [Xiaomi-MiMo-Audio是什么](https://paooo.com/aigc-news/13628/#xiaomimimoaudio%e6%98%af%e4%bb%80%e4%b9%88) * [Xiaomi-MiMo-Audio的主要功能](https://paooo.com/aigc-news/13628/#xiaomimimoaudio%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [Xiaomi-MiMo-Audio的技术原理](https://paooo.com/aigc-news/13628/#xiaomimimoaudio%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [Xiaomi-MiMo-Audio的项目地址](https://paooo.com/aigc-news/13628/#xiaomimimoaudio%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [Xiaomi-MiMo-Audio的应用场景](https://paooo.com/aigc-news/13628/#xiaomimimoaudio%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13628/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight) 小米已经将预训练模型 MiMo-Audio-7B-Base 和指令微调模型 MiMo-Audio-7B-Instruct 向 社区开源，同时开放的还有拥有12亿参数的 Tokenizer 模型。这一系列模型能够支持音频重建 与音频转文本等关键任务。 ![Xiaomi-MiMo-Audio](https://paooo.com/wp-content/uploads/2026/05/Xiaomi-MiMo-Audio- website-1.avif) ## Xiaomi-MiMo-Audio的主要功能 * **少样本泛化能力**：首次在语音领域实现基于 In-Context Learning（ICL）的少样本 泛化，可快速适应新任务，见证语音领域的“GPT-3时刻”。 * **跨模态对齐能力**：后训练激发了智商、情商、表现力与安全性等跨模态对齐能力，语音 对话在自然度、情感表达和交互适配上呈现极高的拟人化水准。 * **语音理解和生成**：在通用语音理解及对话等多项标准评测基准中大幅超越同参数量的 开源模型，取得7B最佳性能，还超过了一些闭源语音模型。 * **音频复杂推理**：在面向音频复杂推理的基准 Big Bench Audio S2T 任务中表现出色， 展现了强大的音频复杂推理能力。 * **语音续写能力**：预训练模型 MiMo-Audio-7B-Base 是目前开源领域第一个有语音续写 能力的语音模型。 * **支持混合思考**：是首个把 Thinking 同时引入语音理解和语音生成过程中的开源模型， 支持混合思考。 * **音频转文本任务**：Tokenizer 模型支持音频转文本（A2T）任务，覆盖超过千万小时 语音数据。 ## Xiaomi-MiMo-Audio的技术原理 * **创新预训练架构**：采用创新的预训练架构，基于上亿小时的训练数据进行训练，使模型 能更好地处理语音数据。 * **少样本泛化能力**：首次在语音领域实现了基于 In-Context Learning（ICL）的少样本 泛化能力，通过少量样本即可快速适应新任务。 * **跨模态对齐能力**：后训练进一步激发了模型的智商、情商、表现力与安全性等跨模态 对齐能力，使语音对话在自然度、情感表达和交互适配上达到极高的拟人化水准。 * **无损压缩预训练**：通过语音无损压缩预训练，实现了跨任务的泛化性，证明了语音领域 的“涌现”行为。 * **Tokenizer 模型**：采用1.2B参数量的 Transformer 架构 Tokenizer 模型，从头开始 训练，覆盖超过千万小时语音数据，支持音频重建任务和音频转文本（A2T）任务。 * **轻量后训练**：通过轻量级的后训练（SFT），进一步优化模型性能，使其在语音理解 和生成方面表现出色。 * **混合思考机制**：将 Thinking 机制同时引入语音理解和语音生成过程中，支持混合思考， 提升了模型的复杂推理能力。 ## Xiaomi-MiMo-Audio的项目地址 * **项目官网**：https://xiaomimimo.github.io/MiMo-Audio-Demo/ * **Github仓库**：https://github.com/XiaomiMiMo/MiMo-Audio * **HuggingFace模型库** - **MiMo-Audio-7B-Base**：https://huggingface.co/XiaomiMiMo/MiMo-Audio-7B-Base - **MiMo-Audio-7B-Instruct**：https://huggingface.co/XiaomiMiMo/MiMo-Audio-7B- Instruct - **Tokenizer**：https://huggingface.co/XiaomiMiMo/MiMo-Audio-Tokenizer * **技术论文**：https://github.com/XiaomiMiMo/MiMo-Audio/blob/main/MiMo-Audio-Technical- Report.pdf ## Xiaomi-MiMo-Audio的应用场景 * **语音交互**：可用于智能语音助手，提供更自然、更智能的语音交互体验，支持多种语言 和方言的对话。 * **语音生成**：能生成高质量的语音内容，适用于有声读物、语音播报、语音导航等场景。 * **语音转文本**：支持语音转文本（A2T）任务，可应用于会议记录、语音输入、语音搜索 等场景。 * **音频内容创作**：帮助内容创作者生成音频脚本或语音内容，提升创作效率。 * **情感表达**：在语音对话中展现丰富的情感表达，适用于情感陪伴机器人、客服系统等 需要情感交互的场景。 * **语音识别与理解**：在音频理解基准测试中表现出色，可用于语音识别、语音指令控制 等场景。 #### 📝 站长洞察 (Editor’s Insight) 小米发布MiMo-Audio，绝非仅是一次技术开源，更是对语音AI竞争格局的一次重要重塑。其 核心突破在于‘端到端’与‘少样本泛化’，这直接指向了当前[大模型](https://paooo.com/ai-study/) 发展的关键瓶颈——数据效率与任务迁移成本。这意味着，开发者能以更低成本、更快速度构 建复杂的语音应用。更深远看，模型展现的‘跨模态对齐’与‘混合思考’能力，预示着语音交互 正从简单的指令执行，向具备情感、推理与创造力的‘类人交互’阶段跨越。结合小米庞大的 硬件生态与场景数据，MiMo-Audio有望率先在智能家居、车载系统、具身智能等领域催生‘杀手 级应用’，加速AI从数字世界向物理世界的渗透。这不仅是技术的胜利，更是生态协同与场景 落地能力的集中体现，值得所有从业者深度关注。 [🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（ paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示 词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发 者与创作者提供一手、可复现的深度技术洞察。 [📄 Markdown 纯净版](https://paooo.com/aigc-news/13628/?format=md) 💡 这篇内容对您有启发吗？ [📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/) **🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)