NVIDIA 发布了 Nemotron 3.5 Transcribe 和 Granary v2,这是一个用于多语言语音处理的开源模型。Nemotron 3.5 Transcribe 可处理多达 40 种语言的语音转录、说话人归属、翻译和音频问答。它在 Hugging Face 开放 ASR 排行榜和其他语音转录准确性和说话人分离基准测试中取得了领先成绩。配套的 Granary v2 提供了一个数据管道和微调工具,可将模型适应特定领域和口音,在医学案例研究中将词错误率降低了 45.8%。 AI
影响 通过提供强大、可适应的开源语音处理模型,增强了多语言 AI 能力。
排序理由 前沿实验室模型发布,附带系统卡和基准测试结果。[lever_c_demoted from frontier_release: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
- Artificial Analysis
- Blackwell
- David Airehrour
- DGX Spark
- Granary v2
- His Girl Friday
- Hugging Face
- ModelScope
- NeMo Speech
- Nemotron 3.5 Transcribe
- NVIDIA
- Nvidia Gpu
- Open ASR Leaderboard
- VoiceArena
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →