Nvidia 的开放式 Nemotron 3.5 Transcribe 集转录、翻译和说话人识别于一体
Nvidia's open Nemotron 3.5 Transcribe combines transcription, translation, and speaker recognition
精选理由
读者可了解一款兼具转录、翻译与说话人识别的开源模型，以及配套数据集和微调工具。
AI 摘要
Nvidia 发布了 Nemotron 3.5 Transcribe，这是一款开放式语音识别模型，能够处理转录、说话人识别和翻译任务，并通过文本提示接收指令。该模型在多项基准测试中领先，所使用的激活参数量仅为其最强开放式竞品的六分之一。Nvidia 还同步推出了一个包含超过 80 万小时语音的数据集以及微调工具。本文《Nvidia 的开放式 Nemotron 3.5 Transcribe 集转录、翻译和说话人识别于一体》最初发表于 The Decoder。