二十亿参数加开放权重真妙

NVIDIA 一个只有二十亿参数的音频模型被摆上了台，说它不只听词。连声音里的世界一起听懂。这听法我看完先记那六件活再掂开放权重那半句。记的掂的点在下面一层层摆，摆好了看六件，件在下面摆着。 六件是这样摆的。转写、翻译、声音识别、音频问答、语音合成、还有完整的语音对语音。六件事被装进了同一个模型里，摆的第二层是它给自己挂的说法。说法是听的不只是词而是整个世界，摆的第三层在下面摆着，摆好了别眨眼，眨眼就翻过去了。 权重是这样立的。权重直接放了出来、想自己搭环境玩的人不必等接口排队。立的第四层是这步给音频这头的分量。分量是六个功能挤进二十亿参数还敢挂开放权重的牌子，摆的第五层是我的保留。 点评两句。第一句是把六件音频活压进一个模型这步今年值得所有做语音应用的人学一发，学了的部署才省得下成本。第二句是二十亿参数加开放权重这半句今年会让一批觉得语音大模型太贵的人先去演示页上摸两把，摸完的回来点赞。 演示页在这，huggingface.co/spaces/nvidia/… ，那条视频在这 twitter.com/0x0SojalSec/st… ，看完的点赞，句号。