TechCrunch AI 技术与创作工具资讯· Julie Bort·· 3 小时前AI 评分62
Nvidia 发布开源语音转写模型 Nemotron 3.5 Transcribe
Voice AI in vogue: Nvidia releases new open transcription model
先看结论
原文说明该模型面向会议与医疗转写类应用开发，可用于多语言录音转写与说话人区分，但不支持直播流。
报道讲了什么
- Nvidia 发布免费开源权重语音转写模型 Nemotron 3.5 Transcribe。
- 同时发布开源语音数据集 Granary 的第 2 版。
可以做什么
- 可转写最多 40 种语言的音频。
- 支持 31 种语言与英语互译，并可区分最多 8 位说话人。
- 开发者可结合该模型、Granary 数据集与 NeMo Speech 等工具定制识别各语言行业术语的应用。
怎么使用
原文没有提供可复现的操作步骤，请从下方原文或官方说明确认使用方法。
结果与限制
- 只适用于已录制音频，不支持直播流。
- 在基准上优于竞品属 Nvidia 自身说法，原文未给出具体分数。
使用入口与依据
来源：TechCrunch AI 技术与创作工具资讯 · techcrunch.com
事件后续
查看事件全部正在读取事件进展…