Audex开源音频-文本大模型,多模态能力领先
_weiping · x · 2026-07-08
发布开源统一音频-文本大模型Audex,采用单个30B-A3B的MoE架构,将音频输入投影到文本嵌入空间。在音频理解、语音识别与翻译、语音合成、音频生成、语音到语音等任务上达到开源模型最佳水平,并在数学与代码推理、对齐和指令遵循上超过纯文本的Qwen3.5-35B-A3B。
所属事件:英伟达发布开源音频文本大模型 Audex-30B(9 条相关)→
「多模态」频道最新
- Reddit 网友晒 MiniMax H3 本地播客视频工作流:低配 RTX 3060 也能跑三种生成模式 — Sir2U4Now · 2026-10-27
- 用户反馈 MiniMax H3 双角色视频频繁串声:换音色、交换音频都修不好 — TigerClaw305 · 2026-10-27
- 研究者用爬山算法迭代生成艺术，V4 已「离真正的创造力一半」 — Afinetheorem · 2026-10-27
- AA 发布营销视频生成榜:Opus 5.5 领先 93 分但成本高出 10 倍 — ArtificialAnlys · 2026-10-27
- 图像自动生成效果逼真到作者自己都不敢相信 — omerbartal · 2026-10-27
- 网友在 Krea2 复现 Visual Anagram,一图藏两画的视觉错觉玩法 — ZerOne82 · 2026-10-27