Il modello open di Nvidia Nemotron 3.5 Transcribe unisce trascrizione, traduzione e riconoscimento degli interlocutori
decoder ·
Nvidia ha rilasciato Nemotron 3.5 Transcribe, un modello vocale open source che integra trascrizione, traduzione e riconoscimento del parlante in un unico sistema. Il modello supporta fino a 40 lingue per la trascrizione ed elabora file audio di durata massima pari a un'ora con più parlanti. Sebbene contenga 30 miliardi di parametri, solo 4 miliardi sono attivi per ogni passaggio, consentendone l'esecuzione efficiente su una singola GPU. Ottiene i primi posti in diversi benchmark, tra cui la classifica Hugging Face English Open ASR Leaderboard e i test di attribuzione dei parlanti di VoiceArena. Insieme al modello, Nvidia ha presentato Granary v2, un dataset composto da 844.000 ore di audio in 48 lingue. L'azienda ha inoltre fornito strumenti per il fine-tuning del modello in domini specializzati, dimostrando miglioramenti significativi dell'accuratezza in contesti medici. Sebbene il modello base offra prestazioni robuste, si consiglia agli utenti di verificare casualmente gli output e di notare che l'elaborazione in tempo reale non è supportata.
decoder