ZARZA We are Zarza, the prestigious firm behind major projects in information technology.
Listen "MiDashengLM：用通用音频字幕重新定义音频AI"
Episode Synopsis
深入探讨小米公司推出的开源音频语言模型MiDashengLM。我们探索其创新的“通用音频字幕”方法，该方法将语音、声音和音乐融合成一个丰富的描述。我们将讨论这种方法如何挑战传统的基于ASR的模型，从而在音频理解方面取得卓越性能和令人难以置信的效率提升。我们还将解析驱动该模型的新型ACAVCaps和MECAT数据集。
More episodes of the podcast AI Podcast
策略内蒸馏：LLM高效训练的秘密武器
28/10/2025
EchoMimicV3：13亿参数，统一多模态多任务人体动画的魔法！
25/10/2025
智读万卷：PaddleOCR-VL的文档解析革命
24/10/2025
LongLive：实时互动长视频生成的革新之路
21/10/2025
DeepSeek-OCR：开启长上下文光学压缩新纪元
20/10/2025
LightRAG：大模型检索增强生成的图谱新范式
20/10/2025
Voila：迈向自主语音AI的里程碑
15/10/2025
机器人学习：从经典到通用策略的深度探索
15/10/2025
Muon优化器：AI训练提速的秘密武器
14/10/2025
月光私酿：边缘设备上的微型专业ASR模型
11/10/2025
In God we trust