“AI大神”李沐终于开源新模型，爆肝6个月，上线迅速斩获3.6k stars！

整理 | 褚杏娟 7 月 23 日，"AI 大神"李沐宣布开源了 Higgs Audio v2，这是一个音频基础模型，构建在 Llama-3.2- 3B 基础之上，预训练数据包括超过 1000 万小时的音频以及丰富的文本数据。该模型目前在 Github 上已获得 3.6k stars。 "去年我们一直关注的是文本语言模型，让它智商足够高、能听从人的指示，一方面可以陪人玩游 戏，另一方面也能帮忙处理一些文案工作，简单来说就是能读能写。今年我们在想，能不能让模型能 听也能说。"李沐在 B 站发布的视频中说道。 随后，他表示，"语音是 AI 中一个相对比较悠久的领域，我其实并不是语音方面的专家。作为一个新 手，我的想法很简单，就是我不要去训练单独的语音模型，而是在文本大语言模型训练时加入大量的 语音数据，大力出奇迹，就想让文本语言模型智商不要下降，但同时掌握了用语音沟通的能力。" 李沐是全球知名 AI 深度学习科学家、深度学习框架 MXNet 作者之一，2008 年毕业于上海交通大学 计算机系，曾于微软亚洲研究院实习。毕业后任香港科技大学研究助理，2011 年加入百度任高级研 发；2012 年赴卡耐基梅隆大学攻读博 ...