The Decoder· Jonathan Kemper·· 6 時間前
Nvidia、オープン音声モデルNemotron 3.5 Transcribeを公開 文字起こし・翻訳・話者識別を統合
Nvidia's open Nemotron 3.5 Transcribe combines transcription, translation, and speaker recognition
AI による要約
Nvidiaはオープンな音声認識モデルNemotron 3.5 Transcribeを公開した。テキスト指示で制御でき、40言語の文字起こし、31言語と英語の相互翻訳、13言語の話者識別に対応する。1回の録音は最長1時間、最大8人の話者を扱える。
入選の記録
基準 76メディアと個人1 回目 712 回目 76
入選せず二回の合計 147 < 基準の 2 倍 152
- 情報源の区分
- メディアと個人、この区分の基準は 76 点
- 予備審査
- 通過：英伟达发布开源语音识别模型及数据集
- 同じ出来事
採点はモデルが同じ基準で独立に二回行い、満点は 100。二回の合計が基準の 2 倍に届いたものだけが入選します。基準は情報源の区分ごとに決めています。
情報源：The Decoder · the-decoder.com