模型发布2 分钟读完TechCrunch AI
Nvidia发布开源语音转写模型Nemotron 3.5 Transcribe
速览
Nvidia发布了免费的开源语音转写模型Nemotron 3.5 Transcribe，支持转录最多40种语言。该模型能翻译31种语言与英语互译，处理长达一小时的录音，并区分最多8位说话人。它专为会议和医疗转录场景设计，但仅支持录制音频，不适用于实时语音场景。
Nvidia于本周三发布了Nemotron 3.5 Transcribe，这是一款30亿参数的开源权重模型，可在单个芯片上运行，从Jetson AGX Thor机器人控制器到DGX Spark笔记本芯片，再到Blackwell数据中心芯片均能适配。同时发布的还有Granary开源语音数据集的第二版，用于帮助开发者根据行业术语定制应用。
该模型的基准测试表现优于Hugging Face Open ASR Leaderboard上的多数模型。Nvidia表示，开发者可以结合NeMo Speech等工具，为各行业定制语音识别应用。不过，模型仅处理录制的音频，无法处理实时音频流，这意味着实时语音助手等场景仍需依赖ElevenLabs等竞争对手。
Nvidia此轮发布正值语音AI密集上新期：
- Mistral在本月早些时候发布了Voxtral 3
- ElevenLabs推出了用于语音代理的Realtime实时语音功能
- Salesforce发布了语音模型Launa-Omni
原文Voice AI in vogue: Nvidia releases new open transcription modeltechcrunch.com
#Nvidia#语音识别#开源模型
本文由程序自动抓取公开报道，经 AI 筛选与改写生成，未经人工逐条核实，事实以原文为准。