NVIDIA lança Nemotron 3.5 transcrever discurso de peso aberto Modelo: Transcribes 40 línguas, com um conjunto de dados de áudio 463.062 horas
NVIDIA lançou Nemotron 3.5 Transcribe em 28 de outubro, um modelo de fala de peso aberto que combina transcrição multilíngue, atribuição de alto-falante, tradução e pergunta de áudio respondendo em um único checkpoint. Ao lado, a empresa lançou Granary v2, um conjunto de dados de discurso aberto e canalização de curadoria cujo manifesto público abrange 463.062 horas de áudio em 48 idiomas.
De acordo com o anúncio da NVIDIA, o modelo transcreve 40 idiomas, traduz 31 deles para ou a partir do inglês, e atribui falantes em 13 idiomas; ele lida com gravações de até uma hora de duração e etiquetas de até oito alto-falantes. O modelo utiliza um decodificador híbrido de 34 bilhões de parâmetros (30B-A4B) que ativa aproximadamente 4,3 bilhões de parâmetros por token, e navios em pesos quantizados BF16, FP8 e NVFP4.
NVIDIA diz que o modelo ocupa o primeiro lugar entre os modelos de peso aberto no Hugging Face Open ASR English Leaderboard com uma taxa média de erro de palavras de 5,3%, e laços para o primeiro entre os modelos de peso aberto na Análise Artificial Discurso-a-Texto de 2,8%.
Os pesos são liberados sob a licença OpenMDW-1.1 para uso comercial ou não comercial, e estão disponíveis via Hugging Face, GitHub através NVIDIA NeMo Speech, NGC, e build.nvidia.com. Os endpoints hospedados são oferecidos pela Baseten, DeepInfra e Simplismart, com demos interativos em Hugging Face Spaces e ModelScope Studios.
O lançamento é um modelo específico de fala, distinto dos modelos anteriores de agente multimodal Nemotron da NVIDIA. A transcrição de fala é um bloco de construção comum para aplicações de super inteligência (SI), incluindo notas de reunião, chamadas de serviço ao cliente e legendas de mídia.
Fonte: GSM · Estados Unidos (Edição em inglês · Edição original em chinês)
Foto: 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.
