#MiDashengLM-Gen

3:08オープンソース拡散指数 48

Xiaomiが「MiDashengLM-Gen」を公開：音声・音楽・環境音をまとめて一括生成

Xiaomiの研究チームは統合オーディオシーン生成モデル「MiDashengLM-Gen」をApache 2.0で公開した。構造化プロンプトから話者の音声、BGM、効果音、環境音を1つの16kHz音声として同時に生成できる。バックボーンにQwen3-1.7Bを採用している。