Nvidia telah merilis Nemotron-Labs-Audex-30B-A3B, model bahasa besar terpadu audio-teks yang dibangun di atas tulang punggung MoE hanya teks Nemotron-Cascade-2-30B-A3B. Model ini memperluas arsitektur asli dengan encoder audio untuk input dan token audio diskrit untuk output, memungkinkan kemampuan dalam pengenalan suara, terjemahan, teks-ke-suara, dan generasi audio.
- Ini mempertahankan kemampuan penalaran, penjajaran, pengetahuan, konteks panjang, dan agentic dari pendahulunya yang hanya teks dengan regresi marginal atau tanpa regresi.
- Model ini mendukung panjang konteks 1M token dan beroperasi dalam mode "berpikir" dan mode "instruksi" (non-berpikir).
- Varian lebih kecil Nemotron-Labs-Audex-2B juga tersedia.
Rilis ini menyediakan solusi terpadu untuk tugas audio-teks multimodal sambil mempertahankan karakteristik kinerja kuat dari model Cascade yang mendasarinya.