Stimme KI im Trend: Nvidia veröffentlicht neues offenes Transkriptionsmodell
techcrunch ·
Nvidia hat Nemotron 3.5 Transcribe veröffentlicht, ein kostenloses Open-Weight-KI-Modell für die Audio-Transkription in bis zu 40 Sprachen. Diese Veröffentlichung fällt mit dem Launch von Version 2 von Granary zusammen, einem Open-Source-Sprachdatensatz, der Entwicklern dabei helfen soll, Anwendungen für spezifische Fachbegriffe bestimmter Branchen anzupassen. Das Modell bietet Funktionen wie die Übersetzung von 31 Sprachen hin und her ins Englische, die Verarbeitung von Aufnahmen mit einer Länge von bis zu einer Stunde sowie die Unterscheidung zwischen acht verschiedenen Sprechern. Nvidia behauptet, dass Nemotron 3.5 Wettbewerber auf Benchmarks wie Hugging Faces Open ASR Leaderboard übertrifft. Obwohl es derzeit nur aufgezeichnete Audiodaten und keine Live-Streams unterstützt, ist das Modell mit 30 Milliarden Parametern so optimiert, dass es effizient auf verschiedener Hardware läuft, von einzelnen Chips bis hin zu Rechenzentrums-Servern. Mit diesem Launch positioniert sich Nvidia in einem wettbewerbsintensiven Markt, in dem kürzlich auch Releases von Mistral, ElevenLabs und Salesforce erschienen sind. Die Tools richten sich primär an Entwickler, die Lösungen für Geschäftstreffen und medizinische Transkriptionen entwickeln.
techcrunch