Nemotron Labs 推出了 Audex (Nemotron-Labs-Audex-30B-A3B)，一个统一的音频-文本大语言模型。Audex 基于 Nemotron-Cascade-2-30B-A3B 纯文本模型构建，使用单个 Transformer 解码器无缝处理和生成音频与文本。该模型在包含 1574 亿音频 token 和 3205 亿文本 token 的大型数据集上进行了训练，并结合了监督训练和强化学习技术。Audex 在理解、语音识别、翻译和生成等各种音频任务中取得了最先进的性能，同时保留了其文本模型前身的强大推理和知识能力。 AI
影响 这种统一的模型架构有望推动多模态 AI 能力的发展，从而在未来的应用中实现更无缝的音频和文本处理集成。
排序理由 该集群描述了一篇详细介绍新模型发布的论文。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- Audex
- Cascade RL
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Nemotron-Cascade-2-30B-A3B
- Nemotron-Labs-Audex-30B-A3B
- ScienceCast
- Transformer++
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →
