#MiDashengLM-Gen

3:08开源项目传播指数 48

小米开源 MiDashengLM-Gen：一句话生成语音、音乐与音效混响的完整音频

小米团队开源音频生成模型 MiDashengLM-Gen。它能根据结构化描述，在同一次生成中将语音、背景音乐、音效和环境声自然融合为 16 kHz 音频。整套框架基于 Qwen3-1.7B 与 Flow Matching 技术，代码按 Apache 2.0 协议开放。