NVIDIA Releases Nemotron 3.5 Transcript Open-Wight Speech Model: Trancripts 40 Languages, May 463,062-Hour Audio Dataset
Inilabas ng NVIDIA ang Nemotron 3.5 Transcript noong Oktubre 28, isang open-weight speech model na pinagsasama ang multilingual transcription, speaker figion, translation, at audio tanong na sumasagot sa isang checkpoint. Katabi nito, inilabas ng kompanya ang Granary v2, isang bukas na speech dataset at curation pipeline na ang publiko ay sumasaklaw sa 463,062 oras ng audio sa 48 wika.
Ayon sa patalastas ng NVIDIA, ang modelo ay nagsasalin ng 40 wika, isinasalin ang 31 sa mga ito sa Ingles o mula sa Ingles, at binibigyan ng mga katangian ang mga nagsasalita sa 13 wika; ito'y humahawak ng mga rekording hanggang isang oras ang haba at tinatawag ang hanggang walong tagapagsalita. Gumagamit ang modelo ng 34-bilyon-parameter hybrid na halo-of-eksperimentong decoder (30B-A4B) na nag-eebolb ng humigit-kumulang 4.3 bilyong parameter kada token, at mga barko sa BF16, FP8, at NVFP4 quanized weights.
Ang NVIDIA ay nagsasabi na ang modelo ay unang nakahanay sa mga open-weight model sa Haging Face Open ASR English Leaderboard na may 5.33% na average na word error rate, at mga ugnayan para sa una sa mga open-weight model sa accutical Analysis Speak-to-Text sa 2.8%.
Ang mga pabigat ay inilalabas sa ilalim ng lisensiyang OpenMDW-1.1 para sa komersyal o di-komersyal na paggamit, at makukuha sa pamamagitan ng Huging Face, GitHub sa pamamagitan ng NVIDIA NeMo Speak, NGC, at gusali.nvidia.com. Ang mga hapested endpoints ay inaalok ng Baseten, Deep Infra, at Simplismort, na may interactive demos on Huging Face Spaces at ModelScope Studios.
Ang release ay isang speech-specific model, kakaiba sa mas maagang Nemotron multimodal agent model ng NVIDIA. Ang Speak transcription ay isang karaniwang building block para sa supertelligence (SI) applications, kabilang ang mga starting notes, customer-service calls, at media kapsiyon.
Source: GSM · United States (Edisyong Ingles · Orihinal na edisyong Tsino)
Larawan: 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.
