Kimi-Audio

Kimi-Audio es un modelo fundacional de audio de pesos abiertos de Moonshot AI, con checkpoints de 7B preentrenados y ajustados a instrucciones publicados a finales de abril de 2025. Cubre reconocimiento de voz, comprensión de audio y generación de voz en un solo modelo, de modo que puede transcribir audio, responder preguntas sobre un clip de sonido y producir salida hablada, sin necesidad de modelos separados cosidos entre sí. Moonshot publicó el modelo junto a un kit de evaluación, y los pesos y el código están en GitHub y Hugging Face bajo licencia Apache 2.0. Se sitúa junto a Kimi-VL y los modelos de texto de la serie Kimi K en el empeño de Moonshot de abrir componentes especializados, en lugar de dejar cada capacidad detrás de una API cerrada, y da a quien desarrolla una alternativa gratuita y autoalojable a modelos de voz comerciales como Whisper de OpenAI y los modelos de audio de Google.