SummFlow 2026-07-11 Hugging Face

Nemotron-Labs-Audex-2B (NVIDIA)

统一音频-文本语言模型，支持语音识别、翻译、TTS 与音频生成

入选理由
统一音频文本的多任务模型，支持理解、识别、翻译、TTS和音频生成，128K上下文，需自建vLLM环境且仅限非商业使用。
对位
适合
语音识别与翻译、音频问答 / 文本转语音、音频生成
不适合
商业用途 (非商用许可)
规模
2B · 128k · Q4 ~1.3GB / FP16 ~4.8GB
授权
NVIDIA OneWay Noncommercial License · 需自查
框架
vllm / transformers
可信度
NVIDIA 发布，技术报告 arXiv:2607.05196，兼容 vLLM 与 transformers

快速上手

python -c "from transformers import AutoModel; AutoModel.from_pretrained('nvidia/Nemotron-Labs-Audex-2B', trust_remote_code=True)"