模型

Kimi-Audio-7B

moonshotai/Kimi-Audio-7B

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:mit 上游版本:d90be7113cd5

中文简介

moonshotai/Kimi-Audio-7B 是 moonshotai 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音合成、语音识别、文本生成与推理。本站固定记录上游版本 d90be7113cd5,同步到 64 个文件,文件元数据合计 39.67 GB;访问状态为“公开”,许可证字段为“mit”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 moonshotai/Kimi-Audio-7B 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
moonshotai/Kimi-Audio-7B 是 moonshotai 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音合成、语音识别、文本生成与推理。本站固定记录上游版本 d90be7113cd5,同步到 64 个文件,文件元数据合计 39.67 GB;访问状态为“公开”,许可证字段为“mit”。

【适用方向】
适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本:d90be7113cd5。 任务标签:语音合成、语音识别、文本生成与推理。 语言字段:en, zh。 架构:MoonshotKimiaForCausalLM。 上游 Safetensors 元数据显示参数量约 9.77 B。 库标记:kimi-audio。 上游页面记录的最近更新时间:2025-05-29。

【文件信息】
上游 API 返回 64 个文件,文件元数据合计 39.67 GB。 已保存文件清单中的主要扩展名:.safetensors 37 个、.json 15 个、.py 3 个、.md 2 个、.pt 2 个、无扩展名 2 个。 当前较大的文件包括:audio_detokenizer/model.pt(17.70 GB);model-36-of-36.safetensors(3.37 GB);whisper-large-v3/model.safetensors(2.88 GB)。

【运行或处理环境】
仓库文件元数据合计 39.67 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 18.19 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-25 22:47

Kimi-Audio 🤗 Kimi-Audio-7B | 🤗 Kimi-Audio-7B-Instruct | 📑 Paper Introduction We present Kimi-Audio, an open-source audio foundation model excelling in **audio understanding, generation, and conversation**. This repository hosts the model checkpoints for Kimi-Audio-7B. Kimi-Audio is designed as a universal audio foundation model capable of handling a wide variety of audio processing tasks within a single unified framework. Key features include: **Universal Capabilities:** Handles diverse tasks like speech recognition (ASR), audio question answering (AQA), audio captioning (AAC), speech emotion recognition (SER), sound event/scene classification (SEC/ASC) and end-to-end speech conversation. **State-of-the-Art Performance:** Achieves SOTA results on numerous audio benchmarks (see our Technical Report). **Large-Scale Pre-training:** Pre-trained on over 13 million hours of diverse audio data (speech, music, sounds) and text data. **Novel Architecture:** Employs a hybrid audio input (continuous acoustic + discrete semantic tokens) and an LLM core with parallel heads for text and audio token generation. **Efficient Inference:** Features a chunk-wise streaming detokenizer based on flow matching for low-latency audio generation. For more details, please refer to our GitHub Repository and Technical Report. Note Kimi-Audio-7B is a base model without fine-tuning. So it cannot be used directly. The base model is quite flexible, you can fine-tune it on any possible downstream tasks. If you are looking for an out-of-the-box model, please refer to Kimi-Audio-7B-Instruct. Citation If you find Kimi-Audio useful in your research or applications, please cite our technical report: License The model is based and modified from Qwen 2.5-7B. Code derived from Qwen2.5-7B is licensed under the Apache 2.0 License. Other parts of the code are licensed under the MIT License.

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估语音转写、字幕生成和语音内容结构化任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本:d90be7113cd5。 任务标签:语音合成、语音识别、文本生成与推理。 语言字段:en, zh。 架构:MoonshotKimiaForCausalLM。 上游 Safetensors 元数据显示参数量约 9.77 B。 库标记:kimi-audio。 上游页面记录的最近更新时间:2025-05-29。

文件说明

上游 API 返回 64 个文件,文件元数据合计 39.67 GB。 已保存文件清单中的主要扩展名:.safetensors 37 个、.json 15 个、.py 3 个、.md 2 个、.pt 2 个、无扩展名 2 个。 当前较大的文件包括:audio_detokenizer/model.pt(17.70 GB);model-36-of-36.safetensors(3.37 GB);whisper-large-v3/model.safetensors(2.88 GB)。

上游文件元数据

  • .gitattributes1.48 KB
  • .gitignore0 B
  • audio_detokenizer/config.yaml2.55 KB
  • audio_detokenizer/model.pt17.70 GB
  • config.json1.21 KB
  • configuration_moonshot_kimia.py2.43 KB
  • generation_config.json24 B
  • model-1-of-35.safetensors444.52 MB
  • model-10-of-35.safetensors444.52 MB
  • model-11-of-35.safetensors444.52 MB
  • model-12-of-35.safetensors444.52 MB
  • model-13-of-35.safetensors444.52 MB

硬件建议

仓库文件元数据合计 39.67 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 18.19 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

注意事项

许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。