NVIDIA开源Nemotron 3.5 Transcribe语音模型及Granary v2管线
热点事件历史事件
NVIDIA开源Nemotron 3.5 Transcribe语音模型及Granary v2管线
1 篇报道1 个报道来源14 天前更新
先了解这件事
AI 综述
NVIDIA 开源发布了 Nemotron 3.5 Transcribe 语音模型权重及 Granary v2 数据清洗管线。该模型专为录制音频设计，不支持实时流媒体，在单个权重中集成了语音转录、多语言互译、说话人日志和音频问答功能，并在 Hugging Face 英文 Open ASR 等基准中排名开源模型第一。 该模型单次最长支持 1 小时音频及 8 位说话人识别。各任务的语言支持范围不同：支持 40 种语言转录、31 种语言与英语互译，以及 13 种语言的说话人日志，而音频问答功能仅基于英语训练。模型配套的源音频需依照各语料库的原许可单独下载。
AI 根据报道生成 · 14 天前更新
最新进展10月28日 22:58
NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- Hugging Face Blog精选NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线
NVIDIA 推出开源权重语音模型 Nemotron 3.5 Transcribe 及 Granary v2 数据清洗管线。该模型在单个权重中集成了 40 种语言转录、31 种语言与英语互译、13 种语言说话人日志和音频问答功能，支持最长 1 小时音频与 8 位说话人识别，并在 Hugging Face 英文 Open ASR 等基准上取得开源模型第一。