13:56IT之家（博客/媒体）
73°
推荐理由：英伟达出了个Audex，30B参数但只激活3B，能听能说还不掉文本能力，MMLU-Redux得分86.4比原来还高一点。
音频理解
共 3 条相关 AI 资讯
7月8日
13:56
英伟达于6月发布Audex（Nemotron-Labs-Audex-30B-A3B）统一音频-文本大模型，总参数量30B，激活参数3B。该模型以Nemotron-Cascade-2-30B-A3B为骨干，采用52层混合Mamba-Transformer结构，128个可路由专家。音频编码使用AF-Whisper，语音输出用X-Codec2，非语音音频用X-Codec。文本评测中，Audex在MMLU-Redux上得分86.4（高于骨干86.3），在IMO AnswerBench上81.1（高于79.3），但在MMLU-Pro和GPQA-Diamond上小幅下降。
08:54
08:54
官方一手marktechpost@Asif Razzaq
官方一手marktechpost@Asif Razzaq推荐理由：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。
5月16日
22:36
22:36
向阳乔木@vista8
推荐理由：豆包终于补齐了音频理解短板，做多模态应用的开发者可以直接拿 API 测试前端动效复刻、视频分析等场景，比之前只能处理文本和图片强太多。