英伟达发布开放权重语音转录模型

IT时代网10月29日消息，英伟达发布Nemotron 3.5 Transcribe，一款免费的开放权重语音转录模型，支持最多40种语言的音频转写，同时推出开源语音数据集Granary的第二版。

英伟达称该模型可实现31种语言与英语之间的互译，处理时长最长一小时的录音，并区分最多八位说话人。在公开的自动语音识别榜单上，其表现优于同类模型。

这些工具面向开发商务会议转写与医疗转录应用的开发者。官方称，开发者可借助该模型、更新后的数据集以及语音模型工具链，针对各行业的术语做定制适配。

该模型参数规模为300亿，可在单颗芯片上运行，覆盖从机器人控制器、面向笔记本的计算芯片到数据中心加速卡等多类硬件，与英伟达已有的开放权重语音模型形成组合。

编辑：林一舟