IT之家، وفقًا للأخبار الصادرة في 16 أكتوبر، أعلنت شركة شيما أمس عن عضو جديد مهم من سلسلة Dasheng — MiDashengLM-Spatial، مع نصيب الكامل للنموذج والكود الخاص بالاستدلال، وهو متاح بموجب رخصة Apache 2.0.
خلال السنتين الماضيتين، أصدرت شركة شيماو نموذج قاعدة الصوت Xiaomi Dasheng ونموذج الكمبيال الكبير لفهم الأصوات MiDashengLM-7B. تم تطبيق التقنيات ذات الصلة على أكثر من 30 تطبيقًا في بيئات منزل الذكاء الاصطناعي لشركة شيماو ومقصورات السيارات، وتمكنت من الإدراك والفهم الموحد للأصوات الصوتية والأصوات البيئية والموسيقى.
وفقًا للتقديرات، يستند النموذج الجديد على MiDashengLM-7B كأساس، ويضيف بشكل إضافي "زوج من الأذنين" للنموذج الكبير لفهم الأصوات، بحيث لا يمكنه فقط فهم محتوى الأصوات، بل يمكنه أيضًا معرفة مصدر الصوت وطريقة توزيعه في الفضاء.
قالت شركة شيما إن MiDashengLM-Spatial هو أول نموذج كبير للمعنى الصوتي المكاني مفتوح المصدر من نوعه في الصناعة، حيث يحتفظ بقدرات الفهم الأساسية للصوت، بينما يمتلك القدرة على الإدراك المكاني والاستدلال، مما يدفع نموذج المعنى الصوتي الكبير إلى التحول من “فهم الأصوات” إلى “فهم المكان الذي توجد فيه الأصوات”.
سيتم تطبيق هذا النموذج تدريجيًا على سوق التقنيات الذكية للشركة الصغيرة، وغرف القيادة في السيارات، من أجل تعزيز قدرة السمع المكانية وتحسين تجربة التفاعل في "البيئة الكاملة للإنسان والسيارة والمنزل". البيانات المتعلقة بالاختبارات هي كالتالي:
تحتوي IT Home على روابط ذات صلة:
صفحة الموقع الرئيسية للمشروع: https://jinbo-hu.github.io/midashenglm-spatial-demo/
تقرير تقني: https://arxiv.org/abs/2610.11156
تقييم الكود (GitHub): https://github.com/xiaomi-research/midashenglm-spatial
هيكل النموذج والأوزان (HuggingFace): https://huggingface.co/mispeech/midashenglm-spatial
إعلان الإعلان: يحتوي النص على روابط توجيهية خارجية (لا تقتصر على الروابط الفوقية، الرموز الثنائية الأبعاد، كلمات المرور، إلخ)، وذلك لنقل معلومات إضافية وتوفير الوقت في التصفية، والنتائج مجرد مرجع فقط، وتحتوي المقالات التي تحتوي على روابط خارجية في موقع IT Home على هذا الإعلان.