MiMo算法研究员-音频&语音

我们在做什么？我们在通过探索 scaling 语音预训练和后训练，来让模型涌现出真正的语音超级智能。

1. Data

• 海量语音数据处理：建设超大规模真实语音数据发掘、采集、预处理与清洗的流水线
• 高质量语音数据处理：搭建在海量真实语音中对高质量数据进行定义、召回、标注的流水线

1. Backbone & Infra

• 语音原生架构：探索随着语音数据 scaling 收益上限最高的建模架构，不限于离散或者连续建模
• 高效训推框架：适配最契合语音模型架构的训练和推理框架，兼顾性能和效率

1. Pretrain & Post-train

• 定义语音生成式预训练：围绕可泛化的语音预训练模型展开前沿探索性研究，坚定 scaling 路线
• 强化学习后训练：为语音预训练模型的强大能力提供语音对话的交互方式，激发预训练潜力

1. Evaluation & Product

• 全面评估框架：定义和构建从预训练到后训练的评估方式
• 创新产品：搭建最适配模型能力的创新型产品