AI × AEC · 情報整理
NVIDIA 推出開放權重語音模型 Nemotron 3.5 Transcribe
前沿 AI 模型 · AI 創作 · AI 辦公
NVIDIA 發布開放權重語音模型 Nemotron 3.5 Transcribe 與 Granary v2 資料集，整合語音轉錄、翻譯、說話者辨識與問答，支援 40 種語言及最多 8 名說話者。
NVIDIA 推出開放權重音訊 AI 模型 Nemotron 3.5 Transcribe，結合 Mamba 與 Transformer 的混合專家架構，總參數約 340 億，推論每次啟用約 43 億參數。模型將轉錄、翻譯、說話者辨識與問答整合於單次處理，支援長達 1 小時音訊與 40 種語言，權重已開放下載。
值得帶走的重點
- 模型整合轉錄、翻譯、說話者辨識與問答，使用者可透過單一提示詞組合需求，或預先輸入專業詞彙協助辨識。
- NVIDIA 宣稱該模型在 Open ASR 排行榜取得開放權重最佳成績，並同步釋出涵蓋 48 種語言的 Granary v2 資料集。
來源：INSIDE 閱讀原文 ↗
本篇由 AI 整理、核對並自動發布，未經逐篇人工審核。