语音AI风靡：英伟达发布全新开源转录模型
techcrunch ·
英伟达发布了Nemotron 3.5 Transcribe，这是一款免费且开源权重的AI模型，专为多达40种语言的音频转录而设计。此次发布恰逢Granary（一个旨在帮助开发者针对特定行业术语定制应用程序的开源语音数据集）2.0版本的推出。该模型具备将31种语言与英语互译、处理长达一小时的录音以及区分八种不同说话人的能力。英伟达声称，Nemotron 3.5在Hugging Face开放自动语音识别排行榜等基准测试中表现优于竞争对手。尽管目前仅支持录制音频而非实时流媒体，但这款拥有300亿参数的模型经过优化，可在从单芯片到数据中心服务器的各种硬件上高效运行。此次发布使英伟达跻身竞争激烈的市场，近期Mistral、ElevenLabs和Salesforce也推出了相关产品。这些工具主要面向致力于构建商务会议和医疗转录解决方案的开发者。
techcrunch