The Decoder· Jonathan Kemper·· 7 小时前精选AI 评分82
Nvidia 发布开放语音模型 Nemotron 3.5 Transcribe，整合转录、翻译与说话人识别
Nvidia's open Nemotron 3.5 Transcribe combines transcription, translation, and speaker recognition
AI 导读
Nvidia 发布开放语音模型 Nemotron 3.5 Transcribe，将转录、翻译、说话人识别和音频问答整合在一个模型中。它支持转录 40 种语言、将其中 31 种语言与英语互译，并可识别 13 种语言中的说话人；模型可处理最长 1 小时、最多 8 位说话人的录音。
推荐理由
Nemotron 3.5 Transcribe 将转录、翻译、说话人识别和音频问答整合于单一模型，文中也呈现了其基准表现与面向医疗领域微调的效果。
来源：The Decoder · the-decoder.com