描述
Nemotron-Labs-Audex-2B 是一个复杂的大型语言模型(LLM),集成了音频和文本处理能力。它旨在处理各种音频任务,包括音频理解、语音识别、语音翻译、文本转语音、音频生成和语音到语音生成。该模型在思考和指令模式下运行,能够适应不同的任务需求。
阅读更多
Audex-2B 的架构紧凑且密集,减少了推理所需的资源。它采用与其更大版本 Audex-30B-A3B 类似的多阶段 SFT 配方进行训练,但没有额外的级联强化学习。这使得 Audex-2B 成为一个更具资源效率的选择,同时在音频任务中保持强大的性能。
Audex-2B 支持最长 128K 令牌的上下文长度,使其能够有效处理长上下文任务。它使用 ChatML 模板进行处理,并为思考和指令模式提供特定的前缀。该模型与 vLLM 0.20.0 兼容,并要求 transformers 版本 4.53.0 或更高版本进行推理。
对于与音频相关的任务,Audex-2B 提供不同的推荐推理设置。它支持离线 LLM 生成和与 OpenAI 兼容的音频 URL 服务器,用于音频 QA 任务。该模型还提供文本转语音和文本转音频生成的选项,并可进行高质量输出的增强。
Nemotron-Labs-Audex-2B 受 NVIDIA 单向非商业许可证的约束,确保其使用仅限于非商业应用。该模型非常适合希望将音频和文本处理能力集成到其应用中的开发者和研究人员。
- 类别AI 模型与大语言模型
- 定价模式非商业
- 部署云端
- 平台网页版
Nemotron-Labs-Audex-2B亮点
统一的音频-文本处理
支持思考和指令模式
紧凑且密集的架构
128K 令牌上下文长度
与 vLLM 0.20.0 兼容
要求 transformers >= 4.53.0
音频 QA 和生成能力
NVIDIA 单向非商业许可证
Nemotron-Labs-Audex-2B入门
访问模型页面:访问 Nemotron-Labs-Audex-2B 的 Hugging Face 模型页面
认证:确保您拥有使用该模型的必要权限
配置:设置适当的推理环境以使用该模型
发送提示:使用 ChatML 模板发送音频或文本提示
微调:根据需要调整模型参数以适应特定任务
Nemotron-Labs-Audex-2B的使用案例
- 音频理解
- 语音识别
- 语音翻译
- 文本转语音
- 音频生成









