MiMo-Audio-Eval：面向音频语言模型的综合评测工具包，专注于预训练与监督微调（SFT）模型的多任务、多数据集性能评估。

• 支持丰富数据集：AISHELL1、LibriSpeech、SeedTTS、SpeechMMLU、Big Bench Audio等，覆盖多样音频场景。
• 多场景任务覆盖：预训练阶段的ICL知识与音频理解评测，语音识别（ASR）、文本转语音（TTS/InstructTTS）、音频理解与推理、口语对话等多维度考核。
• 支持主流音频模型：MiMo-Audio、Step-Audio2、Kimi-Audio、Baichuan-Audio、Qwen-Omni，助力多模态音频AI研究。
• 灵活扩展：开源框架，便于集成自定义模型及新增评测脚本，助力科研复现和对比。
• 快速上手：一步克隆仓库，配置依赖，提供实用评测脚本，方便复现论文结果和开展性能对比。
• 结合OpenAI API，支持最新音频任务的在线评测，紧跟前沿研究动态。

MiMo-Audio-Eval 让音频语言模型的性能评测更全面、更高效，适合研究机构和开发团队深化模型能力边界。

🔗 github.com/XiaomiMiMo/MiMo-Audio-Eval

#音频语言模型# #语音识别# #文本转语音# #AI评测工具# #开源项目#