Modellpositionierung
Kimi-Audio-7B-Instruct ist eine mittels Instruction Fine-Tuning angepasste Version des Audio-Basismodells Kimi-Audio für Audioverständnis, Generierung und Dialog. Die Modellgewichte und der Inferenzcode für diese Version wurden offiziell am 25. April 2025 veröffentlicht. (github.com)
Fähigkeiten und Anwendungen
- Unterstützt Spracherkennung, Fragen und Antworten zu Audio, die Beschreibung von Audioinhalten, die Erkennung von Emotionen in Sprache sowie die Klassifizierung von Schallereignissen und Szenen.
- Unterstützt durchgängige Sprachdialoge und kann auf Grundlage von Audioeingaben Text oder Antworten aus Sprache und Text erzeugen; das offizielle Beispiel zeigt auch Audiodialoge über mehrere Gesprächsrunden.
- Kann für Sprachtranskription, die Analyse von Audioinhalten, Prototypen für Sprachinteraktion und die Forschung zu Audiomodellen verwendet werden. (huggingface.co)
Einschränkungen
- Ergebnisse der Audioerkennung und -generierung können fehlerhaft sein; in wichtigen Anwendungsfällen sollten sie manuell überprüft werden.
- Die eigenständige Bereitstellung erfordert die Einrichtung einer Inferenzumgebung und von Rechenressourcen; offiziell werden Modellgewichte, Code und Bereitstellungsbeispiele angeboten. (huggingface.co)
- Die Verfügbarkeit dieser konkreten Version über die offizielle API von Moonshot AI, die API-Modell-ID, das Kontextfenster und die maximale Audiodauer wurden nicht überprüft.
Preise
Bei der Abfrage mit Stand vom 18. November 2026 konnte kein offizieller API-Preis in RMB oder US-Dollar für dieses konkrete Modell verifiziert werden; daher sind sowohl die Abrechnungsbeträge als auch die Abrechnungseinheiten für Eingaben und Ausgaben nicht verifiziert. Die offiziellen inländischen und internationalen Preisseiten führen andere Modelle auf; deren Preise sollten nicht auf dieses Modell übertragen werden. Bei eigenständiger Bereitstellung fallen zusätzlich Rechen- und Betriebskosten an. (platform.kimi.com)