# 英伟达推出统一音频智能模型 Nemotron-Labs-Audex-30B-A3B

- Link: https://paooo.com/aigc-news/25920/
- Published: 2026-07-08T10:20:23+08:00
- Author: 站外新闻

在多模态[大模型](https://paooo.com/ai-study/)快速迭代的今天，音频处理能力往往容易
被“牺牲”——很多模型在增强音频理解的同时，却导致了文本逻辑能力的下降。近日，NVIDIA
研究团队正式发布了一款名为 Nemotron-Labs-Audex-30B-A3B（简称 Audex）的统一音频-文本
大语言模型，试图破解这一技术难题。

![image.png](https://paooo.com/wp-content/uploads/2026/07/6391910267219366606999747-
1.avif "image.png")

Audex 的设计理念非常简洁高效。它基于强大的纯文本 MoE（混合专家模型）架构构建，采用
单一的 Transformer 解码器，实现了文本与量化音频 token 的统一处理。这种架构不仅让
音频输入能够平滑地投影到文本嵌入空间，还确保了模型在处理多模态任务时，能够与现有
的 LLM 基础设施无缝兼容，从而实现真正意义上的深度融合。

为了训练这个强大的模型，研究团队整理了海量数据，涵盖了1574亿音频 token 和3205亿文本
token。通过多阶段的监督训练、纯文本 Cascade RL（强化学习）以及多域在策略知识蒸馏，
Audex 在各项指标上均表现出色。它不仅在音频理解、语音识别、翻译、以及音频生成等任务
中达到了行业领先水平，更难能可贵的是，它几乎完美保留了原版 LLM 在推理、对齐、知识
储备及长文本处理方面的核心能力，性能衰退微乎其微。

作为一款开源模型，Audex 的发布对语音技术行业而言无疑是一个积极信号。它不再是一个
仅仅停留在论文演示阶段的研究 Demo，而是为开发者提供了一个可直接评估、部署的成熟工具。
对于需要处理复杂音频交互的产品开发者来说，Audex 提供了一种平衡性能与功能的新选择，
也为未来的多模态[智能体](https://paooo.com/trends/)研究打开了新的大门。

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[⚡ AIGC 早报生成器](https://paooo.com/mtool/)