Nvidia lança transcrição de áudio em 40 idiomas com o Nemotron 3.5

Resumo

• A Nvidia lançou o modelo aberto Nemotron 3.5 Transcribe, que transcreve áudio em até 40 idiomas.

  O modelo permite que desenvolvedores criem aplicações de transcrição multilíngue.

• O Nemotron 3.5 Transcribe traduz 31 idiomas de e para o inglês e identifica falantes em até 13 idiomas.

  Essas funções ampliam o uso do modelo para tradução e identificação de participantes em gravações.

• O modelo processa gravações de até uma hora e pode distinguir até oito falantes.

  A capacidade permite transcrever gravações longas e separar as falas de vários participantes.

• A Nvidia lançou a versão 2 do conjunto de dados aberto Granary para apoiar o ajuste fino e a adaptação de modelos de fala.

  O conjunto de dados oferece recursos para desenvolvedores adaptarem sistemas de fala a diferentes necessidades.

• O Nemotron 3.5 Transcribe funciona com áudio gravado, não com transmissões ao vivo.

  A limitação exclui o uso direto do modelo para transcrição de áudio em tempo real.

Dados

Idiomas em que transcreve áudio

até 40 idiomas

Idiomas de tradução de e para o inglês

31 idiomas

Idiomas em que identifica falantes

até 13 idiomas

Duração máxima das gravações processadas

até uma hora

Número máximo de falantes que pode distinguir

até oito falantes