Nvidia ने Nemotron-Cascade-2-30B-A3B टेक्स्ट-मात्र MoE बैकबोन पर निर्मित Nemotron-Labs-Audex-30B-A3B, एक एकत्रीकृत ऑडियो-टेक्स्ट बड़ा भाषा मॉडल जारी किया है। मॉडल इनपुट के लिए ऑडियो एन्कोडर और आउटपुट के लिए विविक्त ऑडियो टोकन के साथ मौजूदा आर्किटेक्चर का विस्तार करता है, जिससे स्पीच रिकग्निशन, अनुवाद, टेक्स्ट-टू-स्पीच और ऑडियो जनरेशन में क्षमताएं सक्षम होती हैं।
- यह अपने टेक्स्ट-मात्र पूर्वज की तर्कशीलता, अलाइनमेंट, ज्ञान, लंबे-संदर्भ और एजेन्टिक क्षमताओं को नगण्य या कोई पश्चातपात के बिना बनाए रखता है।
- मॉडल 1M-टोकन संदर्भ लंबाई का समर्थन करता है और "थिंकिंग" और "इनस्ट्रक्ट" (अन-थिंकिंग) दोनों मोड में संचालित होता है।
- एक छोटा Nemotron-Labs-Audex-2B विकल्प भी उपलब्ध है।
यह रिलीज अंतर्निहित Cascade मॉडल की मजबूत प्रदर्शन विशेषताओं को बनाए रखते हुए बहुमोडल ऑडियो-टेक्स्ट कार्यों के लिए एक एकत्रीकृत समाधान प्रदान करती है।