NVIDIA 推出 Nemotron 音频原生开源权重模型，提供 2B 和 30B 版本
victormustar · x · 2026-07-21
NVIDIA 的 Nemotron 发布了一款 音频原生的开源权重模型，提供 2B 和 30B 两个版本。
它面向 转写、翻译、声音识别、音频问答、TTS 以及完整的语音到语音 场景，主打“直接听、直接想、直接说”，而不是把音频先粗暴转成文字再处理。
「多模态」频道最新
- Midjourney SREF 宝库 TischEins 因安全问题下线后全新重构回归 — tisch_eins · 2026-10-26
- MOSS-Image 4 步蒸馏版 HF 下载破 1.65 万,出图质量几无损耗 — _akhaliq · 2026-10-26
- 用 Claude Code 搭视频剪辑流水线,十段 prompt 从粗剪到成片 — TawohAwa · 2026-10-26
- 一句话生成3D世界，再用AI重绘成电影级镜头 — gizakdag · 2026-10-26
- 零实拍造出一整部电影世界：CineMap 导演分镜配 TapNow 成片 — gizakdag · 2026-10-26
- 快手 Kling 对阵字节 Seedance：中国 AI 视频模型竞争观察 — DavidmComfort · 2026-10-26