模型定位
Kimi-Audio-7B-Instruct 是 Kimi-Audio 音频基础模型的指令微调版本,面向音频理解、生成与对话。官方于 2025 年 4 月 25 日发布了该版本的模型权重和推理代码。(github.com)
能力与用途
- 支持语音识别、音频问答、音频内容描述、语音情绪识别,以及声音事件和场景分类。
- 支持端到端语音对话,可根据音频输入生成文本或语音与文本回复;官方示例还展示了多轮音频对话。
- 可用于语音转写、音频内容分析、语音交互原型和音频模型研究。(huggingface.co)
限制
- 音频识别和生成结果可能出错,重要场景应进行人工核验。
- 自行部署需要配置推理环境和计算资源;官方提供了模型权重、代码及部署示例。(huggingface.co)
- 未核实该具体版本在 Moonshot AI 官方 API 上的可用性、API 模型 ID、上下文窗口及音频时长上限。
价格
截至 2026 年 11 月 18 日查询,未核实到该具体模型的官方人民币或美元 API 报价,因此输入、输出的计费金额及计费单位均未核实。官方国内和国际定价页面列有其他模型,不应将其价格套用于本模型。自行部署另需承担计算和运行成本。(platform.kimi.com)