小米公司近日对外公布，其研发的多项人工智能技术成果成功入选国际声学、语音与信号处理领域顶级学术会议ICASSP 2026的展示名单。这些成果覆盖音频理解、音乐生成质量评估、通用音频-文本跨模态预训练以及视频内容转音频合成等前沿技术方向，标志着该企业在智能声学领域的技术积累获得国际学术界认可。
据技术团队介绍，此次入选的音频理解技术实现了对复杂声学场景的精准解析，能够从混合音频信号中分离并识别特定声源信息；音乐生成评估体系则构建了多维度的量化评价模型，可对AI生成音乐的艺术性与技术性进行客观评分；跨模态预训练框架通过统一表征学习，显著提升了音频与文本数据的关联处理效率；而视频转音频技术突破了传统方法对画面信息的依赖，仅通过视觉特征即可生成高质量环境音效。
作为全球规模最大的声学信号处理学术会议，ICASSP 2026将于今年5月在西班牙巴塞罗那举行。会议组委会透露，本届收到来自87个国家和地区的超过6000篇投稿，最终录取率不足30%，其中跨模态智能处理领域的竞争尤为激烈。小米此次有四个独立研究项目同时入选，在参会企业中位居前列。
行业分析师指出，随着多模态大模型技术的快速发展，声学信号处理正从单一模态向跨模态融合演进。小米此次展示的技术矩阵，既包含底层算法创新，也涉及应用场景拓展，特别是在环境声学重建和智能内容生成领域形成了差异化优势，或将推动消费电子设备在音频交互体验方面产生变革性突破。
