inclusionAI เปิดตัว Ming-3.0-audio-flash โมเดลเสียง-ภาษาแบบ MoE ขนาด 126B ภายใต้ MIT
inclusionAI/Ming-3.0-audio-flash
inclusionAI เปิดตัว Ming-3.0-audio-flash โมเดล Mixture-of-Experts แบบเสียง-ภาษาพื้นเมืองที่มีพารามิเตอร์รวม 126B และเปิดใช้งาน 6.5B ต่อการอนุมานหนึ่งครั้ง ภายใต้ MIT License โดยรับคำสั่งเสียงพร้อมข้อความ และส่งออกข้อความหรือเสียงสังเคราะห์เสริม ครอบคลุมการรู้จำเสียง การตอบคำถามด้วยเสียง ความเข้าใจเสียงยาว การให้เหตุผลด้านเสียง และการโต้ตอบด้วยเสียงในภาษาจีนและอังกฤษ โมเดลรายงานผล 99.8% บน Big Bench Audio ของ Artificial Analysis และที่เก็บโค้ดมีเอกสารการตั้งค่าการให้บริการผ่าน Transformers, vLLM-Omni และ SGLang
โมเดลเสียง-ภาษาแบบ MoE ขนาด 126B พารามิเตอร์ที่เปิดใช้งาน 6.5B เผยแพร่ภายใต้ MIT และรายงานผล 99.8% บน Big Bench Audio มอบจุดอ้างอิงที่เป็นรูปธรรมสำหรับงานด้านการให้เหตุผลเสียงแบบเปิด
แหล่งข่าว:inclusionAI Models · huggingface.co