Голосовые ассистентыРечь в текст

Kimi-Audio

Универсальная аудиомодель: распознаёт речь, отвечает на вопросы о звуке, определяет эмоции и ведёт голосовой диалог. Обучена на 13 млн часов аудио, языки — английский и китайский.

Разработчик: Moonshot AI, Китай
Первый выпуск: апр 2025
Последний выпуск: апр 2025
Размеры: 7B
Лицензия: Можно в коммерциюMIT (часть кода на основе Qwen 2.5 — Apache 2.0)
Русский язык: Нет
Запуск: Через свой серверНужна видеокарта
Сферы: Поддержка клиентов, Медиа и продакшн

Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

Распознавание речи
Определение эмоций и звуковых событий
Голосовой диалог речь-в-речь

Где применяется

Колл-центрыМедиаГолосовые боты

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии

нет версий

1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии

подходит

КластерСервер с несколькими видеокартами — флагманские версии

нет версий

Версии

апр 2025Kimi-Audio-7B и 7B-Instruct

Как внедряю у заказчика

ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.

Какие задачи решает

Где применяется

Требования к железу

Версии

Как внедряю у заказчика

Похожие модели