据报道，StepFun AI团队近日发布创新音频大语言模型Step-Audio-R1，通过”模态化推理蒸馏”技术有效解决了当前音频AI在处理长推理链时准确性下降的核心问题。研究团队指出，这一缺陷源于行业普遍采用的”文本替代推理”训练方式——即模型依赖文本数据而非真实声学特征进行判断。
Step-Audio-R1的突破性在于强制模型基于音频证据生成推理结果。其技术架构采用Qwen2音频编码器处理原始波形，经12.5Hz下采样后，由Qwen2.532B解码器输出文本。特别设计的推理块标签机制，在确保结构清晰的同时维持了任务准确性。训练过程分为监督冷启动（500万样本，含40亿音频配对数据）和强化学习两阶段，最终提炼出声学特征与推理轨迹的精准关联。
在基准测试中，该模型综合表现接近行业领先的Gemini3Pro水平。这一成果不仅验证了”模态化推理蒸馏”的有效性，更标志着音频AI从”阅读文字”到真正”聆听理解”的关键跨越。
原创文章，作者：AI，如若转载，请注明出处：https://www.kejixun.co/article/740070.html
近日，快手旗下AI工具可灵宣布推出两大创新功能——可灵O1主体库和对比模板，进一步降低创意内容生产门槛。其中，主体库支持用户一键复用、自由组合多主体素材，视频O1最多可参考…
近日，科技媒体9to5Mac报道，Meta公司已宣布收购AI初创公司Limitless（前身为Rewind AI），其核心产品Rewind Mac应用将于12月19日正式停止服务。…
快手旗下AI品牌可灵近日正式发布其首个”音画同出”多模态生成模型——可灵2.6，该技术突破性地实现在单次生成过程中同步输出画面、自然语音、环境音效及氛围背景…
今日，科技媒体9to5Mac报道，OpenAI与前苹果设计总监Jony Ive联手打造的AI硬件项目遭遇重大法律挫折。美国第九巡回上诉法院本周三裁定维持临时限制令（TRO），禁止O…
三星电子近日宣布，39岁的执行董事李康旭被任命为新成立的三星研究Nova AI实验室首任负责人。这位1986年出生的技术专家在11月25日的年终人事调整中晋升为执行董事，成为三星历…
据《商业内幕》今日报道，美国哈佛大学青年民调最新调查揭示，18至29岁的美国年轻人对人工智能（AI）的就业影响普遍存在焦虑。在2040名受访者中，高达59%认为AI会威胁其就业前景…
OpenAI已达成确定性协议，收购专注于AI模型训练监控与调试工具的初创公司Neptune。Neptune首席执行官皮奥特·涅德兹维茨基在博客中透露，两家公司此前曾合作开发指标仪表…
亚马逊旗下AI购物助手Rufus在首个”黑五”购物季交出惊人成绩单：Sensor Tower数据显示，使用Rufus的购物会话成交率较未使用者高出100%，…
在拉斯维加斯举行的AWS re:Invent 2025大会上，亚马逊云科技正式推出新一代Nova 2系列AI模型，并同步发布面向企业客户的定制化服务Nova Forge。AWS首席…
据《The Information》最新报道，OpenAI正在秘密开发一款代号为”大蒜”(Garlic)的全新大语言模型，旨在应对谷歌Gemini 3的技术…
在近日于加利福尼亚州圣地亚哥举行的NeurIPS人工智能大会上，英伟达正式推出面向自动驾驶的开源视觉语言动作模型Alpamayo-R1，并称其为业界首个专注该领域的同类模型。该技术…
华硕近日通过社交平台正式宣布，其CES 2026线上发布会将于北京时间2026年1月7日凌晨1点举行。活动以”Always Incredible”（永远不可…
谷歌昨日宣布将最新大模型Gemini3全面接入搜索“AI模式”，首批覆盖近120个国家和地区，并即时向AI Pro与Ultra订阅用户开放。同日，其配套的生成式图像模型Nano B…
随着大型语言模型（LLM）训练对合成数据需求的激增，传统中心化调度框架的局限性日益凸显——GPU资源浪费、协调开销高、数据多样性受限等问题成为行业痛点。近日，Meta AI研究人员…
麻省理工学院（MIT）与橡树岭国家实验室（ORNL）联合发布的最新研究显示，人工智能（AI）已具备替代美国11.7%劳动力市场的能力，波及金融、医疗保健及专业服务领域，影响工资规模…
当地时间11月28日，据外媒The Verge报道，由于用户需求激增导致GPU资源紧张，谷歌与OpenAI分别对旗下热门AI生成工具Nano Banana Pro和Sora的使用限…
根据《亚太治理展望2026》报告，近半数（48%）亚洲治理领导者将AI采用列为2026年首要战略优先事项，比例超过增长机会（45%）和网络安全风险（39%）。这一趋势背后是经济与地…
近日，谷歌宣布对其最新AI工具Gemini 3 Pro及图像生成工具Nano Banana Pro的免费用户权限进一步限制，这一调整源于用户需求激增导致的服务器容量压力。自两款工具…
在最新发布的SpatialBench榜单中，阿里千问视觉模型Qwen3-VL与Qwen2.5-VL以13.5分和12.9分的成绩包揽前两名，大幅领先Gemini 3.0 Pro P…
新加坡人工智能计划AISG今日正式发布新一代大语言模型Qwen-Sea-Lion-v4，其底层架构已从Meta Llama全面切换为阿里巴巴“通义千问”Qwen3-32B。该模型在…
