精选理由
NVIDIA发了款新模型Audex，能同时搞定音频理解、语音识别、翻译、TTS和音频生成，而且几乎没牺牲原有文本模型的性能。
NVIDIA发布了Nemotron-Labs-Audex-30B-A3B（Audex）模型，这是一个混合专家（MoE）架构，统一了音频理解、语音识别、翻译、文本转语音和音频生成五种能力。该模型以Nemotron-Cascade-2为骨干，仅在音频任务上产生边际的性能回归。Audex在30B总参数中仅有3B活跃参数，高效实现了多模态融合。
AI 翻译 · 中文
NVIDIA发布了Nemotron-Labs-Audex-30B-A3B（Audex）模型，这是一个混合专家（MoE）架构，统一了音频理解、语音识别、翻译、文本转语音和音频生成五种能力。该模型以Nemotron-Cascade-2为骨干，仅在音频任务上产生边际的性能回归。Audex在30B总参数中仅有3B活跃参数，高效实现了多模态融合。
NVIDIA's Nemotron-Labs-Audex-30B-A3B unifies audio understanding, speech recognition, translation, TTS, and audio generation in one MoE model. It keeps the text intelligence of its Nemotron-Cascade-2 backbone with margin…