The Decoder· Jonathan Kemper·· 18 天前AI 评分64
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
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可在单一模型中完成转写、翻译和说话人识别，并支持用指令控制输出形式。该模型总参数 30B、每步约 4B 激活，可跑在单张 Nvidia GPU 上，官方称在 RTX PRO 6000 Blackwell Server Edition 上以 NVFP4 精度不到三分钟处理 100 小时音频。
来源：The Decoder · the-decoder.com