13:56IT之家(博客/媒体)73°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。AI模型AudexNemotron英伟达多模态音频理解2 个信源在谈推荐理由: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。原文
08:54官方一手marktechpost@Asif RazzaqNVIDIA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模型AudexNVIDIA多模态音频理解MoE10 个信源在谈推荐理由: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。原文