أطلقت إنفيديا (Nvidia) نموذج اللغات الكبيرة الموحد للصوت والنص Nemotron-Labs-Audex-30B-A3B، والذي بُني على الهيكل العظمي لـ MoE الخاص بالنصوص فقط Nemotron-Cascade-2-30B-A3B. يوسع النموذج البنية الأصلية بإضافة مشفر صوتي للإدخال ورموز صوت منفصلة للمخرجات، مما يمكّن من قدرات في التعرف على الكلام، والترجمة، وتحويل النص إلى كلام، وتوليد الصوت.
- يحتفظ بقدرات الاستدلال، والمحاذاة، والمعرفة، والسياق الطويل، والوكيل (agentic) الخاصة بسلفه الخاص بالنصوص فقط مع تراجع هامشي أو بدون أي تراجع.
- يدعم النموذج طول سياق يبلغ 1M رمز ويعمل في كل من وضع "التفكير" ووضع "التعليمات" (غير التفكير).
- تتوفر أيضًا نسخة أصغر Nemotron-Labs-Audex-2B.
يوفر هذا الإصدار حلاً موحداً لمهام الصوت والنص متعددة الوسائط مع الحفاظ على خصائص الأداء القوية للنموذج Cascade الأساسي.