[KongchangAI]
Model

FastConformer

NVIDIA提出的高效语音识别编码器架构，基于Conformer改进，通过下采样加速推理，常用于语音识别和音频处理模型。

Timeline (last 90 days)

Oct 12

d1-omni-600M 包含 381M 共享主干加决策头、94M SigLIP2 视觉编码器（来自 LFM2.5-VL-450M）和 112M 17 层 FastConformer 音频编码器。

Unverified50%

All Facts (1)

Unverified

d1-omni-600M 包含 381M 共享主干加决策头、94M SigLIP2 视觉编码器（来自 LFM2.5-VL-450M）和 112M 17 层 FastConformer 音频编码器。

50%

Source Articles

Liquid d1-omni-600M：树莓派上的多模态决策模型实战Oct 12