
NVIDIA 发布了 Nemotron 3.5 Transcribe 开放权重语音模型。它可按指令生成转写文本,并支持语音翻译、说话人区分和部分音频问答任务。官方提供不同精度的权重和推理说明。
会议或访谈可以先用有背景声、多人交谈和语言切换的片段测试,再检查时间戳和说话人标记是否符合后续整理需求。
官方资料:
https://research.nvidia.com/labs/nemotron/NVIDIA-Nemotron-3.5-Transcribe/
发现来源:ai-bot.cn · 核验资料:research.nvidia.com


