英伟达推出免费开放权重模型Nemotron 3.5 Transcribe
英伟达宣布推出免费的开放权重模型Nemotron 3.5 Transcribe，该模型能够将音频录音转换为文本，并支持多达40种语言。这一举措进一步增强了语音人工智能技术市场的竞争。
新数据集Granary的发布
公司还发布了第二版开放源代码音频数据集Granary，该数据集使开发者能够构建专门的语音处理和识别应用。
强大的翻译和处理能力
新模型具备从英语翻译到31种语言的能力，并能够处理长达一小时的音频录音。此外，它还可以区分同一录音中的多达八位说话者。
卓越的自动语音识别性能
英伟达确认，该模型在自动语音识别测试中表现出色，能够满足开发者和机构在会议记录、医疗对话记录及多说话者音频内容处理等领域的需求。
与Granary数据集的整合
公司表示，开发者可以将新模型与Granary数据集及其他NeMo Speech工具整合，以开发能够识别各行业和语言中专业术语的专用应用。
广泛的兼容性
尽管Nemotron 3.5 Transcribe模型包含300亿个参数，英伟达仍然表示，该模型能够在单个计算芯片上运行，这使其能够在从嵌入式系统到数据中心的广泛平台和设备上使用。
全球竞争加剧
新模型的推出正值全球语音人工智能技术竞争加剧之际，多个科技公司纷纷进入这一领域，推出先进的语音识别和多语言语音交互模型。
关注阿拉伯语原文 阿拉伯语
