NVIDIA представила Audex — унифицированную аудио-текстовую модель

🤖 NVIDIA представила Audex — унифицированную аудио-текстовую модель на базе архитектуры Nemotron 3 Nano.

Версия 30B поддерживает контекст до 1 млн токенов и до 15 минут аудио, обеспечивая одновременное понимание звука, генерацию речи и текстовые рассуждения.

🌍 Появление полноценных Unified Audio Language Models (UALM) сокращает разрыв между ASR и TTS, позволяя строить системы со сложной логикой и глубоким пониманием звуковых контекстов.

👤 Это шаг к созданию голосовых ассистентов, которые реально «слышат» и понимают нюансы звука, сохраняя уровень интеллектуальных рассуждений текстовых LLM.

Источник 1: https://huggingface.co/nvidia/Nemotron-Labs-Audex-30B-A3B/tree/main

Источник 2: https://huggingface.co/nvidia/Nemotron-Labs-Audex-30B-A3B/blob/main/MODELCARD.md