MiDashengLM-Spatial은 Xiaomi 연구팀이 공개한 오디오-언어 모델로, 일반 오디오 이해와 공간 인식을 하나의 아키텍처에서 처리하는 첫 오픈소스 엔드투엔드 통합 모델이라고 소개한다. 기존 MiDashengLM에 공간 오디오 인코더 Spatial-Dasheng을 결합하고, 의미 정보를 공간 분기에 계층적으로 전달하는 HSSC 모듈로 두 정보를 통합한다. 바이노럴 오디오를 입력받아 소리의 종류와 방향을 함께 설명할 수 있다. STAR-Bench 공간 추론에서 정확도 70.3, 좌우 채널 교환 일관성(ACR) 72.6을 기록했으며 오디오 캡셔닝·질의응답·음성 인식 성능도 기반 모델 수준을 유지한다. 약 1만 3천 시간 분량의 공간 음향 장면 100만 개와 QA 600만 쌍으로 학습했다.