标签
GigaChat Audio 10B是一个原生音频大语言模型，基于GigaChat 3.1 Lightning构建，集成了Conformer语音编码器和模态适配器，用于音频问答、时间定位和工具使用。
NVIDIA 发布了 Nemotron，一个原生音频模型，能够进行转录、翻译、声音识别、音频问答、TTS 以及完整的语音到语音转换，开放 2B 和 30B 参数权重。