NVIDIA 推出了 Nemotron 3.5 Transcribe，可以把录音转成文字、标出每段话是谁说的，也支持翻译，还能用文字指令调整输出方式。 我还… · @awe0_io · TwKit

@awe0_io

NVIDIA 推出了 Nemotron 3.5 Transcribe，可以把录音转成文字、标出每段话是谁说的，也支持翻译，还能用文字指令调整输出方式。 我还没实测，想先看看它遇到中文夹英文、专有名词，或者两个人同时说话时，能不能识别清楚。 官方用了一段对白密集、有人抢话的电影片段做演示。不过，换成中文视频会有什么表现，还得另外测试。 制作访谈字幕时，如果人名、专有名词或者说话的人识别错了，就得重新听录音、逐句修改。这个模型到底能不能节省时间，还要看字幕生成后，有多少地方需要人工修正。 官方介绍与演示： https://huggingface.co/blog/nvidia/nemotron-transcribe-granary

曝光 240 · 评论 3 · 点赞 2 · 书签 1