小米这个语音模型MiMo-Audio-7B，我没有测过。
但是听好多人说，这个模型很不错。

这个模型只有7B参数，本地是肯定可以跑的。
但是在很多方面超过了谷歌的闭源语音模型 Gemini-2.5-Flash。
在一些比较复杂的场景，也超过了OpenAI 的闭源语音模型 GPT-4o-Audio-Preview。

小米公司对于大模型方面，也是大力投入的。
你们不要以为没有投入。

模型地址：huggingface.co/XiaomiMiMo/MiMo-Audio-7B-Instruct