L'IA vocale est à la mode : Nvidia lance un nouveau modèle de transcription ouvert
techcrunch ·
Nvidia a publié Nemotron 3.5 Transcribe, un modèle d'IA gratuit et à poids ouverts conçu pour la transcription audio dans jusqu'à 40 langues. Cette sortie coïncide avec le lancement de la version 2 de Granary, un jeu de données open source sur la parole destiné à aider les développeurs à personnaliser des applications pour des jargons sectoriels spécifiques. Le modèle offre des capacités telles que la traduction entre 31 langues et l'anglais, le traitement d'enregistrements d'une durée maximale d'une heure, et la distinction entre huit locuteurs différents. Nvidia affirme que Nemotron 3.5 surpasse ses concurrents sur des benchmarks tels que le classement Open ASR Leaderboard de Hugging Face. Bien qu'il ne prenne actuellement en charge que l'audio enregistré plutôt que les flux en direct, le modèle de 30 milliards de paramètres est optimisé pour fonctionner efficacement sur divers matériels, allant des puces individuelles aux serveurs de datacenter. Ce lancement positionne Nvidia sur un marché concurrentiel qui a récemment vu des sorties de la part de Mistral, ElevenLabs et Salesforce. Ces outils sont principalement destinés aux développeurs créant des solutions pour les réunions professionnelles et la transcription médicale.
techcrunch