NVIDIA выпускает Nemotron-Labs-Audex-30B-A3B: единая MoE-модель для аудио и текста
NVIDIA
NVIDIA выпустила Nemotron-Labs-Audex-30B-A3B 7 июля — MoE-модель на 30B параметров, объединяющая ASR, перевод речи, TTS, генерацию текст-в-аудио и речь-в-речь в едином декодере. Построена на основе NVIDIA Nemotron-Cascade-2-30B-A3B (гибрид Mamba-Transformer), контекст 1M токенов, 3B активных параметров. Одновременно выпущена меньшая модель Audex-2B. Обе размещены на HuggingFace под некоммерческой лицензией.
Почему это важно
Единые аудио-языковые модели, сохраняющие высокий уровень текстового рассуждения, представляют значимый архитектурный сдвиг для голосовых агентов и инструментов аудиопроизводства. Контекст в 1M токенов и открытые некоммерческие веса делают Audex-30B доступным для академического использования и прототипирования при низких затратах на инференс (3B активных параметров).
Важность: 3/5
Первая единая аудио-текстовая MoE-модель от NVIDIA с контекстом 1M токенов; открытый некоммерческий релиз, охватывающий весь спектр аудиозадач.