NVIDIA 发布 Audex，一个统一的音频-文本大语言模型，保留文本智能

NVIDIA 推出了 Audex (Nemotron-Labs-Audex-30B-A3B)，一个能够理解和生成音频及语音的统一音频-文本大语言模型。与许多文本性能有所下降的多模态模型不同，Audex 的设计旨在保持其 Nemotron-Cascade-2-30B-A3B 骨干模型的文本智能。该模型通过多阶段训练过程和纯文本强化学习来实现这一点，从而在文本基准测试中取得有竞争力的分数，并具备强大的音频能力，包括超越语音的通用音频生成。 AI

影响 通过保留文本智能，为统一音频-文本模型树立了新标准，可能影响未来的多模态大语言模型开发。

排序理由 前沿实验室模型发布，附带系统卡 [lever_c_demoted from frontier_release: ic=1 ai=1.0]

在 MarkTechPost 阅读 →

• AF-Whisper
• Audex
• Audex-2B
• Audio Flamingo 3
• Mamba-Transformer
• Megatron-LM
• Nemotron-Cascade-2-30B-A3B
• Nemotron-Labs-Audex-30B-A3B
• NVIDIA
• Qwen3.5-35B-A3B
• Qwen3-Omni-30B-A3B-Thinking
• vLLM
• Whisper Large V3
• X-Codec
• X-Codec2

• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →