The Decoder· Jonathan Kemper·· 2 小时前精选AI 评分77
Nvidia 发布开源 Nemotron 3.5 Transcribe 语音识别模型
Nvidia's open Nemotron 3.5 Transcribe combines transcription, translation, and speaker recognition
AI 导读
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可在单模型中完成转写、翻译、说话人识别和音频问答。该模型支持 40 种语言，最多处理 1 小时音频和 8 名说话人，30B 参数中每步激活约 4B，可在单张 Nvidia GPU 上运行。
推荐理由
该模型将转写、翻译、说话人识别和音频问答整合在同一架构中，并公开数据集与适配工具，便于评估和行业定制。
来源：The Decoder · the-decoder.com