英伟达开源语音模型 Nemotron 3.5 Transcribe，权重免费下 转写支持 40 种语言 31 种语言和英语互译 说话人区分最多 8 人，这个… · @jojeangsaing · TwKit

@jojeangsaing

英伟达开源语音模型 Nemotron 3.5 Transcribe，权重免费下 转写支持 40 种语言 31 种语言和英语互译 说话人区分最多 8 人，这个功能限 13 种语言 总参数约 300 亿，每次只激活约 40 亿 单次录音最长 1 小时，只吃录音文件，不支持实时直播流 带词级时间戳，转完直接就是字幕 还能拿录音提问，比如「会上定了哪几件事」，不过问答只练了英文 许可证 OpenMDW-1.1，能商用 硬件先泼盆冷水：官方参考配置是一张 H100 80GB，NVFP4 量化版能上 RTX 5090，普通显卡就别惦记了 上手方式： Hugging Face 或 ModelScope 下权重 用自然语言给指令选输出：转写、标说话人、还是翻译 通过 NVIDIA NeMo Speech 工具链加载跑 长期有效 官方入口：https://huggingface.co/blog/nvidia/nemotron-transcribe-granary

曝光 53 · 评论 2 · 点赞 1 · 书签 0