Kimi-Audio

Kimi-Audio est un modèle audio de fondation à poids ouverts de Moonshot AI, avec des checkpoints 7B préentraînés et ajustés pour les instructions, sortis fin avril 2025. Il gère la reconnaissance de la parole, la compréhension audio et la génération de parole dans un seul modèle : il peut transcrire de l’audio, répondre à des questions sur un extrait sonore et produire une sortie parlée, sans avoir à enchaîner des modèles séparés. Moonshot a publié le modèle avec une boîte à outils d’évaluation, et les poids et le code sont sur GitHub et Hugging Face sous licence Apache 2.0. Il se place à côté de Kimi-VL et des modèles de texte de la série Kimi K dans l’effort de Moonshot pour mettre en open source des composants spécialisés, plutôt que de garder chaque capacité derrière une API fermée. Il donne aux développeurs une alternative gratuite et auto-hébergeable aux modèles de parole commerciaux, comme Whisper d’OpenAI et les modèles audio de Google.