小米开源端到端语音模型Xiaomi-MiMo-Audio，实现语音领域三重技术突破

小米正式开源原生端到端语音模型Xiaomi-MiMo-Audio，基于上亿小时训练数据实现少样本泛化能力，并在多项基准测试中超越同规模开源模型及闭源模型。该模型通过三重技术创新突破传统语音范式，全套技术方案已开源发布。

MIMO 是一个基于空间分解建模的可控角色视频合成模型，可以通过简单的用户输入，在复杂的现实场景中生成可动画化的角色视频。该模型不仅实现了多种复杂动作、3D场景互动，还能灵活控制角色的动作和外观。这使得 MIMO 成为动画制作、游戏设计等领域的潜在利器。