【NVIDIA统一音频大模型Audex上线试玩】 以往多模态扩展常会牺牲语言模型的文本推理表现，英伟达推出的Nemotron-Labs-Audex则克服了这一痛点。 它采用统一的单解码器架构，将音频特征与文本离散标记直接对齐，完整支持语音识别、跨语言翻译、环境音理解、语音合成以及端到端语音交互。 模型不仅基本无损保留了底座原有的复杂推理与长上下文能力，还提供了深度思考与常规问答两种运行模式。 目前官方在Hugging Face开放了交互空间，集成30B MoE和轻量2B两个版本，支持上传音频直接体验。