一个模型同时干四件事：转写 40 种语言、翻译、分清谁在说话、还能直接问录音「会上定了什么」🎙️ 英伟达刚开源的 Nemotron 3.5 Transcri… · @Super_Nius · TwKit

@Super_Nius

一个模型同时干四件事：转写 40 种语言、翻译、分清谁在说话、还能直接问录音「会上定了什么」🎙️ 英伟达刚开源的 Nemotron 3.5 Transcribe，一小时录音、最多 8 个人说话都能处理。 📊 Hugging Face 开源语音榜英文第一（平均错误率 5.33%），说话人分离的错误率在 21 语种榜上 14 个系统里最低 ⚡ 300 亿参数但每次只激活约 40 亿，单张 GPU 就能跑 注意：只能处理录音，不是实时流式。会议纪要这类活，开源方案终于够用了 👀 https://huggingface.co/blog/nvidia/nemotron-transcribe-granary

曝光 447 · 评论 2 · 点赞 1 · 书签 0