阿里通义实验室又放大招！8B 多模态语音大模型MinMo，全双工、强情感、多口音「声情并茂 · 入戏走心」

我在 Hugging Face 上看每日 Paper 时，偶然发现阿里通义实验室最新的一款多模态模型：MinMo。

它主打“可无缝语音交互”，在语音对话场景中，用起来更自然、更贴近人类的说话方式，还能支持不同的语气或方言。

当你用英语与 MinMo 聊天，讨论电影时：

全双工语音交互意味着用户和系统同时说话也不会乱，MinMo 可以在 100 毫秒左右将语音转成文本，并在大约 600 毫秒的理论延迟或实际约 800 毫秒的条件下，完成双向交流。

换句话说，问一句未完，MinMo 已经在分析并给出反馈，过程几乎没有停顿。

更有趣的是，它对语音生成也进行了大幅升级。

你可以指定情感、方言、说话风格，甚至是模仿某人的声音。

与 MinMo 用中文聊天，同时控制 MinMo 的口音（四川话、粤语等）在对话中：

用中文与 MinMo 聊天，指导 MinMo 进行情感互动和角色扮演：

这种多样化的可控生成，让它在语音对话、多语言识别、多语言翻译、情感识别、说话人分析、音频事件分析等任务上表现不错。

官方还透露，他们有 140 万小时的语音数据训练，模型大约有 80 亿参数，但依然能保持原本文本 LLM 的理解能力。

如果你想深入了解，可以访问它们的主页，也许等代码一开源，DIY 玩法会更多。

https://funaudiollm.github.io/minmo/#MinMo-demo

在官方的演示和基准测试上，MinMo 的表现证实了它在多模态语音交互领域具备相当的潜力，特别是对想要探索人机自然对话的团队和个人来说，或许能带来更多可能性。

MinMo（8B参数）的表现：Llama Questions达到78.90，Web Questions为56.80。

CoVoST2翻译得分70.93。Common Voice和Fleurs的ASR分别达到92.84和95.81。

AIR-Bench VocalSound分类93.00，MELD情感识别65.10。

所有指标都超过了之前的顶级模型。

目前看来，MinMo 专注的仍是“无缝语音聊天”，让人机对话像真人交流一样自然顺畅。

与此同时，它也保有对指令的良好跟随能力：可以基于文本或者语音的提示，实现中英文或方言的切换，情绪、声线的选择与模拟。

对那些想快速原型或做智能客服、语音助理的开发者而言，这似乎是个值得追踪的进展。

在整体趋势上，大模型们正竞争着给用户带来“更真实的对话体验”。

它既可以像其他大模型一样处理经典的文本应用场景，也能在更人性化的语音交互层面取得突破。

至于实际落地会怎样，还得看后续的生态建设。

总之，如果你关心实时语音、想尝试给应用加上“听说自如”的能力，不妨持续关注这款 MinMo。

端到端语音模型，快了，但失去了思考的深度。

但人机对话，却让思维更完整。

也许他们促成的整体，也就是人的参与，反而让整体变得更有智慧。

---

如何系统学习掌握AI大模型？

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2024行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】