英伟达发布Nemotron 3.5语音模型，整合转录、翻译与讲者辨识
来源标题：Nvidia釋出Nemotron 3.5語音模型，整合轉錄、翻譯與講者辨識
机器译题：Nvidia释出Nemotron 3.5语音模型，整合转录、翻译与讲者辨识
新聞 Nvidia 推出 開放權重語音模型Nemotron 3.5 Transcribe，將語音轉文字、翻譯、講者區分及錄音問答整合在同一模型。新模型可轉錄40種語言，其中31種支援與英語互譯，13種可標記不同講者的發言，目前已在Hugging Face及ModelScope開放下載。 過去處理會議錄音，通常需要分別使用語音辨識、講者區分與翻譯工具。Nemotron 3.5 Transcribe則可依自然語言指令調整輸出內容。同一段錄音能產生保留語助詞的逐字稿、刪除贅字的整理稿，或標記不同講者的文字，也能根據錄音回答會議中討論的事項。 開發者還能在指令中加入醫療術語、產品名稱等資訊，協助模型辨認專有名詞及使用指定的書寫格式。模型最長可處理1小時錄音，區分最多8名講者，並提供字詞層級的時間戳記，方便將文字對應到錄音位置。不過，講者區分僅標記不同聲音，無法確認講者的真實身分。錄音問答功能主要以英語訓練，模型目前也不支援即時串流轉錄。 在辨識準確率方面，Nvidia公布的評測顯示，Nemotron 3.5 Transcribe在Hugging Face Open ASR英語榜單排名開放權重模型第一，在Artificial Analysis語音辨識評測中，詞錯誤率為2.8%，與排名第一的開放權重模型相同。模型採用混合專家架構，總計約340億個參數，產生每個文字單位時約啟用43億個參數。…
同题报道 · 6 篇
- 英伟达发布Nemotron 3.5语音模型，整合转录、翻译与讲者辨识 Nvidia釋出Nemotron 3.5語音模型，整合轉錄、翻譯與講者辨識 ithome.com.tw
- 英伟达推出免费开源语音模型Nemotron 3.5 Transcribe，支持转录、翻译及说话人识别 輝達推出免費開源語音模型 Nemotron 3.5 Transcribe，轉錄、翻譯、辨識語者一次搞定 technews.tw
- 英伟达发布开源权重语音识别模型Nemotron 3.5，支持40种语言 Nvidia Releases Open-Weight 'Nemotron 3.5' Speech Recognition AI Covering 40 Languages biggo.com
- 英伟达发布支持40种语言的语音识别AI，开放模型权重 NVIDIA Corporation Releases Speech Recognition AI for 40 Languages as Open Weights [Global AI Briefing] fnnews.com
- 英伟达发布支持40种语言转写的开源语音模型 Nvidia releases an open speech model that transcribes 40 languages thenextweb.com
- 英伟达发布支持40种语言的Open Nemotron 3.5 Transcribe模型 Nvidia Releases Open Nemotron 3.5 Transcribe Model for 40 Languages sqmagazine.co.uk