بازشناسی گفتار

مدل‌های جدید

انویدیا Nemotron 3.5 Transcribe را عرضه کرد؛ مدلی با وزن‌های باز برای رونویسی ۴۰ زبان، ترجمه و تشخیص گوینده

انویدیا مدل Nemotron 3.5 Transcribe را منتشر کرده است؛ مدلی با وزن‌های باز که با دستور متنی کار می‌کند، حدود ۴ میلیارد پارامتر فعال دارد و رونویسی، ترجمه، تفکیک گوینده‌ها و پاسخ به پرسش درباره صوت را در یک checkpoint جمع…