AI 前沿
英伟达发布开源转录模型Nemotron 3.5 Transcribe
英伟达推出免费、开放权重的Nemotron 3.5 Transcribe,可转录最多40种语言、支持31种语言与英语互译,并能区分最多8位说话人。模型面向会议和医疗转录等场景,但只处理录音,不支持直播。
英伟达周三发布Nemotron 3.5 Transcribe。这是一款免费、开放权重的音频转录模型,支持最多40种语言;同时发布的还有第二版开源语音数据集Granary。
英伟达称,Nemotron 3.5可在31种语言与英语之间互译,处理最长一小时的录音,并区分最多8位说话人。公司还声称该模型在包括Hugging Face Open ASR Leaderboard在内的基准上超过竞争对手。
这些工具面向开发商务会议和医疗转录应用的开发者,是AI在职场中较成熟的两类应用。英伟达表示,开发者可结合模型、更新后的Granary数据集和NeMo Speech等工具,定制识别各语言中行业术语的应用。限制是Transcribe只适用于预录音频,不支持直播。
该模型拥有300亿参数,英伟达称其可在单颗芯片上运行,覆盖Jetson AGX Thor机器人控制器、驱动新笔记本的DGX Spark以及Blackwell数据中心芯片。它也加入英伟达开放权重语音模型行列,其中包括11亿参数的Parakeet。近期语音AI发布密集,Mistral、ElevenLabs和Salesforce也分别推出相关模型。