MiDashengLM-Spatial：小米开源端到端空间音频理解大模型
MiDashengLM-Spatial是小米研究院开源的业界首个端到端空间音频理解大模型，基于MiDashengLM-7B音频大模型基座开发，采用Apache 2.0开源协议，开放模型权重、推理代码与评估...
VoxMem：墨尔本大学推出的音频大语言模型记忆能力评测数据集与工具包
VoxMem 是由墨尔本大学、新南威尔士大学联合推出，面向音频大语言模型（LALM）的开源多会话语音记忆评测基准，它专门用来检测音频大模型在跨多次语音会话场景下的多模态记忆...
Qwen-Audio-3.1：阿里通义千问推出的新一代音频模型
Qwen-Audio-3.1是阿里云通义千问新一代全套音频大模型，包含Realtime实时语音Agent、ASR语音识别、TTS声景生成，支持全双工对话、方言识别、分角色转写，提供API接入方案。
FireRedAudio：小红书开源的9B通用音频大模型
FireRedAudio是小红书开源发布的通用音频语言大模型，基于9B参数主干模型，采用解耦连续表征架构，单模型同时实现音频理解、语音生成、语音编辑三大类能力。
SALMONN‑2：字节跳动联合清华大学开源的通用音频大模型
SALMONN‑2是字节跳动联合清华大学推出的开源通用音频大模型，该模型依托自研SPEAR音频编码器，只使用18.2k小时监督音频数据，就可以处理语音、环境声响、音乐等各类音频信...