Hugging Face Blog·· 4 小时前精选AI 评分84
NVIDIA 发布 Nemotron 3.5 Transcribe，并开放 Granary v2 多语言语音数据流程
NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt
AI 导读
NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe，支持 40 种语言转录、31 种语言与英语互译、13 种语言的说话人归属，以及音频问答。模型可处理最长一小时的录音并标注最多 8 位说话人；Granary v2 开放了覆盖 48 种语言、463,062 小时语音的清单和数据整理流程。医疗语音案例中，微调使留出说话人上的词错误率较最佳提示词基线相对降低 45.8%。
推荐理由
这篇发布稿将模型能力、多个基准结果与数据整理和领域微调流程放在一起，便于了解语音模型从转录到适配专业词汇的完整路径。
来源：Hugging Face Blog · huggingface.co