オープンソースの統合音声理解モデル「MOSS-Audio」登場：4B/8Bを展開
統合音声理解モデル「MOSS-Audio」がオープンソースで公開されました。4Bと8BのサイズでそれぞれInstruct版とThinking版を用意。音声認識、話者分析、感情検出、環境音や音楽の理解を単一モデルに統合し、タイムスタンプ付きASRの精度でGemini-3.1-Proを大きく上回ります。
統合音声理解モデル「MOSS-Audio」がオープンソースで公開されました。4Bと8BのサイズでそれぞれInstruct版とThinking版を用意。音声認識、話者分析、感情検出、環境音や音楽の理解を単一モデルに統合し、タイムスタンプ付きASRの精度でGemini-3.1-Proを大きく上回ります。