新型轻量级音频模型问世！1.5B参数挑战 Whisper 与 Qwen2-Audio！
一款名为Aero-1-Audio的新型音频模型发布，参数仅有1.5B但性能出色，支持长音频处理、语音识别和音频理解任务。训练时间短且资源占用低，适用于语音助手、实时转写等场景。
音频理解
月之暗面最新开源模型！Kimi-Audio：革新多模态音频处理，统一音频理解、生成与对话！
Kimi-Audio 是一款由 Moonshot AI 开源的音频基础模型，基于 Qwen 2.5-7B 构建，支持 ASR、AQA、SER 等多种任务，具有高效流式生成和开源评估工具包等特性。
迁移DeepSeek-R1同款算法，小米让7B模型登顶音频理解推断MMAU榜单
小米大模型团队通过微调阿里Qwen2-Audio-7B模型，结合DeepSeek-R1的GRPO算法，在MMAU评测集上实现了64.5%的准确率，显著提升31%，接近人类专家水平。