Søgning
2 briefing-resultat(er) for »audio-language-model«
inclusionAI udgiver Ming-3.0-audio-flash: 126B MoE med lydforståelse
Modellen er en native audio-language MoE med 126B parametre (6,5B aktive) og understøtter talegenkendelse, lydræsonnement og syntetisk tale. MIT-licens.
Sori-1B: Sprogmodel trænet fra bunden uden tekst alene
En 1B-parameter model trænet udelukkende på lyd-parret tekst – ingen tekst-only pretraining. Ideen er at tvinge modellen til at forankre svar i …