NVIDIA Nemotron 3.5 Transcribe e Granary v2: Trascrizione multilingue intelligente, personalizzabile e adattabile
huggingface ·
NVIDIA ha rilasciato Nemotron 3.5 Transcribe, un modello a pesi aperti che combina trascrizione multilingue, attribuzione degli speaker, traduzione e risposta alle domande audio in un unico checkpoint. Il modello supporta la trascrizione in 40 lingue e raggiunge i primi posti in diverse classifiche principali, tra cui l'Hugging Face Open ASR Leaderboard e il benchmark di diarizzazione di David AI. Una caratteristica chiave è la sua capacità di essere guidato tramite prompt, consentendo agli sviluppatori di indirizzare formati di output e gergo specifico del dominio utilizzando istruzioni in linguaggio naturale senza necessità di un'addestramento immediato. Per supportare l'adattamento, NVIDIA ha anche presentato Granary v2, una pipeline aperta per la curazione dei dati con oltre 463.000 ore di dati vocali multilingue. Studi di caso dimostrano che l'addestramento mirato con questa pipeline può ridurre significativamente il tasso di errore sulle parole in campi specializzati come quello sanitario. Il sistema funziona in modo efficiente su singole GPU NVIDIA, dai dispositivi edge ai server nei data center, utilizzando un'architettura ibrida Mamba-Transformer. Gli sviluppatori possono accedere al modello tramite Hugging Face, ModelScope o endpoint ospitati, con strumenti forniti per il deployment locale e l'addestramento personalizzato.
huggingface