Kimi 发布开源音频基础模型 Kimi-Audio-7B

Kimi 发布开源音频基础模型 Kimi-Audio-7B，在单一框架内统一处理语音识别、音频理解、音频描述、情感识别、声事件分类和端到端语音对话等任务。模型基于 Qwen 2.5 7B 初始化，预训练数据超过 1300 万小时音频与文本，采用连续声学向量加离散语义 token 的混合输入和并行文本与音频 token 生成头。