Xiaomi liberó el código de MiDashengLM-7B, su modelo más avanzado para el reconocimiento y la comprensión de sonido. No se trata de una herramienta más para transcribir voz: identifica palabras, detecta ruidos y analiza música con un nivel de detalle que lo coloca entre los más precisos del mundo. Sus resultados han roto marcas en 22 evaluaciones de referencia internacionales.
Este modelo combina el codificador de audio Xiaomi Dasheng con el decodificador autorregresivo Qwen2.5-Omni-7B Thinker. Su entrenamiento sigue una estrategia de audiodescripción universal, lo que le permite comprender diferentes tipos de sonido y situarlos en contexto. En lugar de procesar datos de forma aislada, interpreta lo que ocurre a su alrededor.
Uno de sus puntos más llamativos es la velocidad. El tiempo para procesar la primera palabra de una muestra es solo una cuarta parte del de otros sistemas similares, y su capacidad para manejar tareas en paralelo multiplica por veinte la eficiencia con la misma memoria. Esto lo hace ideal para aplicaciones en tiempo real, desde asistentes inteligentes hasta sistemas de seguridad.
Un oído que entiende el entorno y habla con el usuario
MiDashengLM-7B va más allá de la voz humana. Puede detectar sonidos extraños en casa, distinguir el golpeteo de una puerta del goteo de una fuga de agua o advertir patrones irregulares en un motor. En el ecosistema de Xiaomi, ya forma parte de altavoces, coches y dispositivos domésticos para controlar ambientes, reforzar la seguridad y personalizar experiencias.
La serie Dasheng debutó en 2024 con un hito: superar la métrica mundial AudioSet 50+ mAP en análisis de voz, música y sonido ambiental. Ese liderazgo se mantiene y ahora se amplía con un modelo que, además de procesar, interactúa con las personas de manera más natural.
En la práctica, esto significa que puede corregir la pronunciación, aconsejar sobre técnica vocal o aprendizaje de idiomas y responder en tiempo real sobre sonidos del entorno mientras se conduce. No solo detecta, también interpreta y ofrece respuestas útiles.
Una diferencia clave frente a otros modelos es la transparencia. Xiaomi ha liberado el código bajo licencia Apache 2.0 y publicado la lista completa de las 77 fuentes de datos que utilizó, junto a un informe técnico que describe el proceso de desarrollo. Esto permite a investigadores y empresas adaptarlo sin depender de la infraestructura de la marca.
Te puede interesar: ¿Qué es Copilot, en qué se diferencia de ChatGPT y para qué sirve realmente?
El modelo se entrenó con datos 100% públicos, reduciendo riesgos de sesgos y abriendo posibilidades para proyectos que exigen trazabilidad. Xiaomi ya trabaja en optimizarlo para funcionar sin conexión, lo que ampliará su uso en dispositivos y lugares con conectividad limitada.
La apuesta es integrarlo en el ecosistema “persona–auto–hogar” para que la inteligencia artificial no solo responda, sino que entienda el contexto real de cada usuario. El objetivo es que las interacciones no parezcan dictadas por un algoritmo, sino conversaciones naturales y útiles.
Con MiDashengLM-7B, Xiaomi apunta a una nueva generación de inteligencia auditiva: rápida, precisa y abierta a todos. Su liberación impulsa la innovación en la comunidad de desarrolladores y marca un paso que otras empresas, aún reticentes a compartir sus modelos, podrían verse obligadas a seguir.
Imagen: Archivo ENTER.CO
