小米開源 MiDashengLM-Gen：一句話生成語音、音樂與音效混響的完整音訊
小米團隊開源音訊生成模型 MiDashengLM-Gen。它能根據結構化描述，在同一次生成中將語音、背景音樂、音效和環境聲自然融合為 16 kHz 音訊。整套框架基於 Qwen3-1.7B 與 Flow Matching 技術，程式碼按 Apache 2.0 協議開放。
小米團隊開源音訊生成模型 MiDashengLM-Gen。它能根據結構化描述，在同一次生成中將語音、背景音樂、音效和環境聲自然融合為 16 kHz 音訊。整套框架基於 Qwen3-1.7B 與 Flow Matching 技術，程式碼按 Apache 2.0 協議開放。