NVIDIA Audio Flamingo Next Think

Audio Flamingo Next Think — вариант AF-Next для вопросов, требующих сопоставить события на протяжении длинной записи. Его дообучили на AF-Think-Time, где промежуточные рассуждения привязаны ко времени аудиофрагмента. Поэтому модель рассчитана на запросы о том, что и когда произошло, как менялся разговор и какие фрагменты подтверждают итоговый ответ.

Временное рассуждение по длинной записи

Связать события и моменты аудио

Обычный аудиовопрос может требовать поиска сигнала в нескольких местах записи. AF-Next Think предназначен для таких запросов: например, сравнить реплики нескольких говорящих, установить последовательность эпизодов или найти основания ответа на разных временных отметках. Официальная карточка описывает AF-Think-Time как набор временно привязанных трасс рассуждений, сформированных на длинных и сложных аудиозаписях.

Как устроена версия Think

Дополнительное обучение поверх Instruct

Карточка NVIDIA указывает, что Think начинается с AF-Next Instruct и дообучается на отдельном наборе временных рассуждений. По сравнению с инструкционным вариантом она может сначала вывести текст между маркерами “…“, а затем сформулировать ответ. Эта особенность требует достаточного бюджета генерации; модель может обрезать итог, если лимит новых токенов слишком мал.

Как выбрать подходящий вариант

Рассуждения или развёрнутая подпись

Для обычных вопросов, диалога, распознавания и перевода речи предназначен Audio Flamingo Next Instruct. Если нужен подробный связный текст о всей сцене, используйте Audio Flamingo Next Captioner. Think-чекпойнт рассчитан на исследование и некоммерческое использование; временная привязка помогает проверке, но не гарантирует, что модель услышала событие верно.

Связанные модели и разработчик

Страницы семейства NVIDIA

NVIDIA Audio Flamingo Next Instruct · NVIDIA Audio Flamingo Next Captioner · NVIDIA в Вики Futuretools

Дата публикации и первичный источник

Материалы NVIDIA

Научная публикация AF-Next от 13.04.2026 объявляет вариант Think. Официальная карточка NVIDIA описывает AF-Think-Time, временную привязку рассуждений, базовую AF-Next-Instruct и максимальную длительность записи до 30 минут. Первичный источник: официальные материалы NVIDIA.