小米开源MiDashengLM-Spatial：业界首个端到端空间音频理解大模型，Apache2.0协议开放权重与代码

小米推出Dasheng音频大模型家族新成员 MiDashengLM-Spatial，完整开放模型权重与推理代码，采用Apache 2.0开源许可证。该模型是业界首个开源端到端空间音频理解大模型，在原有声音识别基础上增加声源空间方位感知能力。

• 项目主页：https://jinbo-hu.github.io/midashenglm-spatial-demo/
• GitHub: https://github.com/xiaomi-research/midashenglm-spatial
• 模型：https://huggingface.co/mispeech/midashenglm-spatial

模型基础与能力

模型以MiDashengLM-7B作为基座。此前小米Dasheng系列已经拥有声音基座模型、声音理解大模型，可统一处理语音、环境音、音乐，已经在智能家居、汽车座舱落地30余项应用。

MiDashengLM-Spatial在原有音频理解能力之上新增空间听觉推理：不只识别声音是什么内容，还能判断声源位置、声音空间分布，把音频大模型从单纯“识别声音”升级到理解声音所处空间环境。

开源与落地规划

• 开源范围：完整权重+推理代码，Apache 2.0许可，可商用。
• 落地场景：后续将部署在小米智能家居、汽车座舱，赋能人车家全生态交互，借助空间听觉信息优化设备感知与交互决策。