The Decoder· Jonathan Kemper·· 3 小时前精选
Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe，整合转写、翻译与说话人识别
Nvidia's open Nemotron 3.5 Transcribe combines transcription, translation, and speaker recognition
AI 导读
据 The Decoder 报道，Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可处理转写、说话人识别和翻译，并以文本提示接收指令。来源称该模型在多项基准上领先，活跃参数约为最强开源竞品的六分之一；Nvidia 同时提供超过 80 万小时语音数据集及微调工具。
为什么值得看
企业可关注其在会议记录、客服录音分析、多语言内容处理等场景的自部署潜力，以及附带数据集和微调工具对定制化的价值。但基准表现、参数效率来自来源转述，开源许可、商用条件、硬件成本和实际准确率均未说明，需进一步核实后再评估落地。
来源：The Decoder · the-decoder.com