AI图鉴

AI图鉴首页 › AI 资讯 › Vogue中的语音AI:Nvidia 发布新开放的转录模式

Vogue中的语音AI:Nvidia 发布新开放的转录模式

来源:TechCrunch AI · 发布时间:10-28 · 由 AI图鉴每小时自动聚合

Nvidia只是发布一个免费的语音转文本模型,可以转录多达40种语言,但它只工作于录音,而不是现场音频,所以它是一大步。

Nvidia,星期三发布尼莫特龙 3.5 转录(Transtics),一种免费的开放量级模型,可以将音频转录为最多40种语言。 它还是Granary的发布版本2,它的开源语音数据集。

Nvidia吹嘘说,Nemotron 3.5可以将31种语言译成英文,处理长达一小时的录音,并分辨出最多8位发言者。 它在基准测试上击败对手声称,包括Hugging Face的公开ASR领导板。

这些工具针对的是开发者为商务会议和医疗笔录制作应用软件,这是AI在工作场所最固定的两个立足点。 Nvidia 称开发者可以使用该模型,更新的Granary数据集,以及它的NeMo Speech模型等工具自定义应用,以识别每种语言中的行业术语。 一个缺点:转写工作有录音录音,而不是活流。

尽管如此,公司承诺Trancistics,以300亿参数,可以运行在单一芯片上,从Jetson AGX Thor机器人控制器和DGX Spark芯片为新手提电脑提供动力,到Blackwell数据中心芯片。 它加入 Nvidia的开放量级语音模型,包括超小而强大的Parakeet(11亿参数).

Nvidia的最新语音条目来自AI语音发布的繁忙时期:本月早些时候,Mistral运出Voxtral 3;ElevenLabs 发布实时在语音agents即时语音;Salesforce 发布 Launa-Omni,其语音模型。

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(techcrunch.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 596 款 AI 工具分类导航 · 每日 AI 热门项目与动态