The Decoder· Jonathan Kemper·· 2 小时前精选AI 评分85
Nvidia 发布开放语音识别模型 Nemotron 3.5 Transcribe
Nvidia's open Nemotron 3.5 Transcribe combines transcription, translation, and speaker recognition
AI 导读
Nvidia 发布开放语音识别模型 Nemotron 3.5 Transcribe，可按文字指令完成转写、翻译、说话人识别和音频问答。该模型支持 40 种语言，可处理最长 1 小时的录音和最多 8 名说话者；其 30B 参数中每个处理步骤激活约 4B 参数，可在单张 Nvidia GPU 上运行。
推荐理由
该发布将转写、翻译、说话人识别和音频问答合入一个开放模型，并提供数据集与行业微调工具。
来源：The Decoder · the-decoder.com