跳到正文
热点事件持续更新

inclusionAI 发布 Ming-3.0-audio-flash 音频语言模型

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

inclusionAI 发布 Ming-3.0-audio-flash,这是一款原生音频语言混合专家模型,总参数 126B,每次推理激活 6.5B,采用 MIT 许可证。它接收音频加文本指令,输出文本或可选的合成语音,覆盖中英文的语音识别、口语问答、长音频理解、音频推理和语音交互。 该模型在 Artificial Analysis 的 Big Bench Audio 基准上报告 99.8%,该数字来自 inclusionAI 自己的发布。仓库记录了 Transformers、vLLM-Omni 和 SGLang 的服务配置。参考的 128K 服务配置使用跨四块 80 GB H800 GPU 的张量并行;inclusionAI 指出,特别长的音频输入在四 GPU 配置上可能内存不足,此时提供了八 GPU 的备用配置。双 GPU 服务配置将 thinker 放在两块可见设备上,音频编码器放在 GPU 0,语音合成放在 GPU 1。

AI 根据报道生成 · 21 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. inclusionAI Models精选
    inclusionAI 发布 Ming-3.0-audio-flash:一款 126B MoE 音频语言模型,采用 MIT 许可

    inclusionAI 发布了 Ming-3.0-audio-flash,这是一款原生音频语言混合专家(MoE)模型,总参数 126B,每次推理激活 6.5B,采用 MIT 许可证。它接受音频加文本指令,输出文本或可选的合成语音,覆盖中英文的语音识别、口语问答、长音频理解、音频推理和语音交互。该模型在 Artificial Analysis 的 Big Bench Audio 基准上报告 99.8% 的成绩,仓库文档中给出了 Transformers、vLLM-Omni 和 SGLang 的部署方案。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。