跳至正文
熱點事件持續更新

inclusionAI 發布 Ming-3.0-audio-flash 音訊語言模型

1 篇報導1 個報導來源9 小時前更新

先了解這件事

AI 綜述

inclusionAI 發布 Ming-3.0-audio-flash,這是一個原生音訊語言混合專家模型,總參數 126B,每次推理步驟激活 6.5B,採用 MIT 授權條款。它接收音訊加上文字指令,輸出文字或可選的合成語音,涵蓋中英文的語音辨識、口語問答、長音訊理解、音訊推理與語音互動。 該模型在 Artificial Analysis 的 Big Bench Audio 基準上報告 99.8%,此數字來自 inclusionAI 自家的發布。儲存庫記錄了 Transformers、vLLM-Omni 與 SGLang 的服務配置。參考的 128K 服務配置使用張量平行,橫跨四張 80 GB H800 GPU;inclusionAI 指出,特別長的音訊輸入在四 GPU 配置上可能記憶體不足,此時提供八 GPU 的備援配置。雙 GPU 服務配置將 thinker 放在兩張可見裝置上,音訊編碼器放在 GPU 0,語音合成放在 GPU 1。

AI 依報導生成 · 21 分鐘前更新

報導時間線

沿著報導,了解事件的不同側面。

11月18日
  1. inclusionAI Models精選
    inclusionAI 發布 Ming-3.0-audio-flash,一款以 MIT 授權的 126B MoE 音訊語言模型

    inclusionAI 發布 Ming-3.0-audio-flash,這是一款原生音訊語言混合專家模型,總參數 126B,每次推論啟動 6.5B,以 MIT 授權釋出。它接受音訊加文字指令,輸出文字或可選的合成語音,涵蓋中英文的語音辨識、口語問答、長音訊理解、音訊推理與語音互動。該模型在 Artificial Analysis 的 Big Bench Audio 基準上報告 99.8%,儲存庫文件說明了 Transformers、vLLM-Omni 與 SGLang 的部署設定。

本事件熱度走勢

還沒有足夠的連續觀測資料,暫不繪製趨勢。