语音AI正当红：Nvidia发布全新开源转录模型

Nvidia发布了Nemotron 3.5 Transcribe，这是一款免费的开放权重语音转录模型，可处理多达40种语言的音频，同时发布了其开源语音数据集Granary的第二版。Nvidia称该模型可实现31种语言与英语之间的互译，处理最长一小时的录音，并区分多达八位说话人，还表示其在包括Hugging Face的Open ASR Leaderboard在内的基准测试中胜过竞争对手。这些工具面向开发商务会议和医疗转录应用的开发者，可定制以识别各语言中的行业术语；一个局限是Transcribe只能处理录音，不支持实时流。该模型拥有300亿参数，可在单颗芯片上运行，从Jetson AGX Thor机器人控制器和驱动新笔记本电脑的DGX Spark芯片到Blackwell数据中心芯片均可支持，加入了Nvidia的开放权重语音模型阵容，包括仅11亿参数却性能强大的Parakeet。此次发布正值AI语音模型密集推出之际，Mistral、ElevenLabs和Salesforce近期均有新品。

(来源：TechCrunch)