NVIDIA는 Nemotron 3.5 Transcribe Open-Weight Speech Model을 출시합니다. 463,062-Hour Audio Dataset과 함께 40개의 언어를 변환합니다.
NVIDIA는 10 월 28 일에 Nemotron 3.5 Transcribe를 출시했습니다. 다국어 transcription, 스피커 attribution, 번역 및 단일 체크 포인트에 대한 오디오 질문 응답. Alongside it, 회사는 Granary v2, 공개 연설 데이터 세트 및 포화 파이프라인을 발표 48 개 언어의 오디오의 463,062 시간.
NVIDIA의 발표에 따르면, 모델 transcribes 40 언어, 영어 또는 13 언어의 31을 번역하고, 13 언어의 스피커를 특성화합니다. 그것은 8 명의 스피커까지 1 시간 길이와 라벨을 기록합니다. 모델은 토큰 당 약 4.3 억 매개 변수를 활성화하고 BF16, FP8 및 NVFP4 퀼트 무게에서 배를 제공하는 데 약 4.3 억 개의 매개 변수를 활성화하는 데 약 4.3 B-billion-parameter 하이브리드 혼합물-of-experts 디코더 (30B-A4B)를 사용합니다.
NVIDIA는 5.33% 평균 단어 오류율과 5.33% 평균 단어 오류율과 함께 Hugging Face Open ASR English Leaderboard의 개방 중량 모델 중 첫 번째 모델 순위를 말한다, 인조 분석 연설 - 텍스트 2.8%.
무게는 상업 또는 비 상업적인 사용을 위한 OpenMDW-1.1 면허의 밑에 풀어 놓이고, Hugging 얼굴, NVIDIA NeMo Speech, NGC를 통해서 GitHub, build.nvidia.com를 통해 유효합니다. Hosted endpoints는 Baseten, DeepInfra 및 Simplismart가 제공되며 Hugging Face Space 및 ModelScope Studios의 대화 형 데모와 함께 제공됩니다.
이 릴리스는 NVIDIA의 이전 Nemotron multimodal 에이전트 모델과 구별되는 연설 별 모델입니다. Speech transcription은 회의 노트, 고객 서비스 통화 및 미디어 캡션을 포함하여 슈퍼 인텔리전스 (SI) 응용 프로그램에 대한 일반적인 빌딩 블록입니다.
사진: 图：英伟达位于加利福尼亚州圣克拉拉的总部大楼。CC BY-SA 4.0，经 Wikimedia Commons。 / Photo: NVIDIA headquarters in Santa Clara, California. CC BY-SA 4.0, via Wikimedia Commons.
