上海
品玩4月16日訊，據(jù) Marktechpost 報道，NVIDIA與馬里蘭大學(xué)研究團隊聯(lián)合發(fā)布了Audio Flamingo Next (AF-Next)，這是Audio Flamingo系列中能力最強的開源大型音頻語言模型（LALM），旨在解決長音頻理解與復(fù)雜推理難題。
AF-Next基于Qwen-2.5-7B構(gòu)建，支持長達30分鐘的音頻輸入與128k上下文窗口。團隊創(chuàng)新性提出了“時序音頻思維鏈”技術(shù)，通過將推理步驟顯式錨定至音頻時間戳，顯著提升了模型在長音頻任務(wù)中的證據(jù)聚合能力與準確性。此次開源包含AF-Next-Instruct、AF-Next-Think及AF-Next-Captioner三個變體，分別針對通用問答、多步推理及音頻描述任務(wù)進行了優(yōu)化。
實驗數(shù)據(jù)顯示，該模型在20項基準測試中大幅超越同級別開源模型，并在MMAU-Pro等挑戰(zhàn)性基準上優(yōu)于Gemini 2.5 Pro，展現(xiàn)了卓越的泛化能力與實用價值。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
