MiniMind-O：0.1B参数全模态开源模型

Type: article
Author: 今日头条 / 科技第一线
Primary Topic: 行业动态
Ingested: 2026-05-10

Summary

MiniMind-O是一个仅0.1B参数的全模态开源模型，采用Thinker-Talker架构实现文本、语音、图像输入到流式语音输出的完整闭环。该模型通过中间层桥接、低秩码本接口和三阶段渐进式训练等关键设计，以极低成本（1人+4块RTX 3090，4小时）完成训练，CER最低达0.0897。其核心价值在于提供完全可复现的小规模基线，揭示全模态设计的关键选择。

Key Concepts

• 全模态模型
• Thinker-Talker架构
• 流式语音生成
• 低秩码本接口
• 渐进式训练
• 端到端多模态

Entities

• MiniMind-O
• jingyaogong
• SenseVoice
• SigLIP2
• Mimi
• CAM++
• RTX 3090

Source

• Raw: minimind-o-omni-model-0-1b.md

Relations

• (none)

---

Auto-generated on 2026-05-10