英伟达Nemotron 3.5 Transcribe 亮点： 1、一个模型四件事：转写 40 种语言，31 种与英语互译，13 种语言能分说话人，还能问答；… · @Super_Nius · TwKit

@Super_Nius

英伟达Nemotron 3.5 Transcribe 亮点： 1、一个模型四件事：转写 40 种语言，31 种与英语互译，13 种语言能分说话人，还能问答；一小时录音、最多 8 人。 2、只激活 40 亿：总共 300 亿参数，每个词只用约 40 亿；AA 榜 2.8% 错误率，和一个 240 亿激活的模型并列开源第一。 3、英文开源第一：HF Open ASR 英文平均错误率 5.33%；多语种 4.62%；长录音 10.98%。 4、分说话人最强：David AI 21 语种榜错误率 18.26%，14 个系统最低，略胜英伟达自家专用模型 18.38%。 5、速度：一张 RTX PRO 6000 Blackwell，100 小时音频不到 3 分钟。 6、数据集 Granary v2：46.3 万小时、48 种语言，比 v1 的 25 种语言多近一倍。 7、微调效果：医疗场景微调约 14 GPU 小时，测试错误率降 45.8%，但通用英文 LibriSpeech 从 1.54% 升到 1.69%。 8、官方自认短板：只做录音、不做实时；问答只训练了英文；品牌药名仍不如医疗专用模型。

曝光 292 · 评论 1 · 点赞 2 · 书签 0