MiDashengLM-Spatial开放空间音频理解权重与代码

MiDashengLM-Spatial在MiDashengLM体系中补充空间音频理解，采用约0.6B语义编码器、约86M空间编码器和7B语言模型。空间分支以层级空间编码捕捉双耳线索，训练使用约一万小时合成双耳音频，并结合通用音频任务维持语义能力。评测通过声道交换等方式检验模型是否真正响应空间变化，而不只复用语言常识。 本次事件是10月15日正式开放代码与模型权重，区别于此前论文披露。固定版本模型卡和许可证确认Apache 2.0，可按仓库示例下载并运行；具体声道格式及采样配置须与模型要求一致。车载、家居等属于可探索方向，原文提到的既有音频模型应用不能当作Spatial新模型已经部署的证据。