Nvidia发布了Nemotron 3.5 Transcribe,这是一个开源模型,能够转录40种语言的音频并识别多达八位说话者。此次发布以及更新的开源语音数据集Granary v2,旨在赋能开发人员在会议记录和医疗转录等领域进行开发。这个拥有300亿参数的模型设计运行在单个芯片上,并与其他公司如Mistral AI和ElevenLabs近期发布的AI语音模型展开竞争。 AI
影响 此次发布为开发人员提供了一个强大的开源语音AI应用工具,有望加速其在商业和医疗领域的应用。
排序理由 Nvidia发布了带有系统卡的新的开源模型。[lever_c_demoted from frontier_release: ic=1 ai=1.0]
- Blackwell
- DGX Spark
- ElevenLabs
- Granary
- Hugging Face
- Jetson AGX Thor
- Launa-Omni
- Mistral AI
- NeMo Speech
- Nemotron 3.5 Transcribe
- Nvidia
- Open ASR Leaderboard
- Parakeet
- Salesforce
- Voxtral 3
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →