MinMo

MinMo – 阿里通义实验室推出的多模态语音交互大模型

MinMo是阿里巴巴通义实验室FunAudioLLM团队推出的一款先进的多模态大模型，专注于实现无缝的语音交互体验。它具有约80亿个参数，通过多阶段的训练，基于140万小时的多样化语音数据和广泛的语音任务进行深度学习。MinMo支持根据用户的指令调整生成音频的情感、方言和说话风格，甚至能够模仿特定的音色，生成效率超过90%。此外，MinMo具备全双工语音交互能力，语音到文本的延迟约为100毫秒，而全双工的延迟理论上为600毫秒，实际情况约为800毫秒，从而实现用户与系统之间的双向实时沟通，使得多轮对话更加顺畅自然。

MinMo是什么

MinMo是阿里巴巴通义实验室FunAudioLLM团队开发的一款多模态大模型，旨在提供无缝的语音交互体验。该模型包含约80亿个参数，经过多阶段训练，学习了140万小时多样化的语音数据，涵盖各种语音任务。MinMo能够根据用户的需求调整生成音频的情感、方言和说话风格，并模仿特定音色，确保生成效率超过90%。该模型支持全双工语音交互，语音到文本的延迟约为100毫秒，而全双工交互的理论延迟为600毫秒，实际约为800毫秒，使得用户与系统之间能够实现同时的双向交流，从而使多轮对话更加流畅。

MinMo

MinMo的主要功能

实时语音对话：与用户进行自然、流畅的语音对话，理解语音指令并给出相应的声音回应。
多语言支持：具备多语言的语音识别和翻译能力，能够在多种语言环境中顺畅沟通。
情感表达：能够根据用户指令生成具有特定情感（如快乐、悲伤、惊讶等）的语音。
方言和说话风格：支持生成特定方言（如四川话、粤语等）及特定的说话风格（如快速或慢速）的语音。
音色模仿：能够模仿特定音色，使语音交互更加个性化和富有表现力。
全双工交互：支持用户与系统同时进行说话和听取，实现更加自然和高效的多轮对话，语音到文本延迟约为100毫秒，全双工延迟理论上为600毫秒，实际约为800毫秒。

MinMo的技术原理

多模态融合架构：
- 语音编码器：基于预训练的SenseVoice-large编码器模块，具有强大的语音理解能力，支持多语言语音识别、情感识别和音频检测。
- 输入投影器：由两层Transformer和一层CNN构成，负责维度对齐和降采样。
- 大型语言模型：采用预训练的Qwen2.5-7B-instruct模型，其在多个基准测试中表现出色。
- 输出投影器：单层线性模块，负责维度对齐。
- 语音标记语言模型：使用预训练的CosyVoice 2 LM模块，自回归生成语音标记。
- Token2wav合成器：将语音标记转换为mel频谱图，并进一步转换为波形，支持实时音频合成。
- 全双工预测器：由单层Transformer和线性softmax输出层构成，用于实时预测是否继续响应或暂停处理用户输入。
多阶段训练策略：
- 语音到文本对齐：通过大量语音数据和相应的文本标注，训练模型学音与文本之间的映射关系，确保模型能够准确将语音转换为文本，为后续的文本理解和生成奠定基础。
- 文本到语音对齐：使模型学习如何将文本转换为语音，生成自然流畅的语音表达，保持文本的语义信息和情感色彩。
- 语音到语音对齐：进一步提升模型对语音的理解和生成能力，使其能够在语音层面直接进行交互，更好地处理语音的韵律、语调等特征。
- 双工交互对齐：模拟真实的全双工交互场景，训练模型在同时接收和发送语音信号的情况下，准确进行语音识别和生成，优化模型在复杂交互环境下的表现。