模型
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。
时间轴 (近 90 天)
10月12日
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。
待验证50%
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。
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。