AI宝库

AI宝库首页 › AI 资讯 › Vogue中的语音AI:Nvidia 发布新的开放式转录模式

Vogue中的语音AI:Nvidia 发布新的开放式转录模式

来源:TechCrunch AI · 发布时间:10-28 · 由 AI宝库每小时自动聚合

Nvidia只是发布一种免费的语音转文本模型,可以翻譯多达40种语言,但只能做录音,不做活的音频,所以是一大步。

Nvidia,星期三发布尼莫特龙 3.5 收音机(Transis),一种免费,可开量的模型,可以将音频收录到最多40种语言。 它还是Granary的发布版本2,它的开源语音数据集。

Nvidia自夸,Nemotron 3.5可以将31种语言译成英文,处理长达一小时的录音,并分辨出最多8名发言者。 在基准测试上击败对手为声称,包括Hugging Face的公开ASR领跑板。

这些工具针对开发者构建用于商务会议和医疗记录的应用软件,这是AI在工作场所最固定的两个立足点。 Nvidia 称开发者可以使用该模型,更新的Granary数据集,以及它的"NeMo Speech"模型等工具来自定义应用,以识别每种语言中的行业术语。 一个缺点:转写工作用有录音的音频,而不是活流。

尽管如此,公司还是承诺Trancistics,以300亿参数,可以运行在从Jetson AGX Thor机器人控制器和DGX Spark芯片为新手提电脑提供动力的单一芯片上,到Blackwell数据中心芯片。 它的加入 Nvidia的开口量级语音模型,包括超小而强大的Parakeet(11亿个参数).

Nvidia的最新语音条目出现在AI语音发布的繁忙时期:Mistral本月早些时候运出Voxtral 3;ElevenLabs 发布实时在语音agents即时语音;Salesforce 发布 Launa-Omni,其语音模型。

本文由 AI宝库自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(techcrunch.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI宝库首页 · 提交工具 · 商务合作 · 关于本站 · 595 款 AI 工具分类导航 · 每日 AI 热门项目与动态