英伟达开源模型把会议转成 40 种语言文字，并标出发言人
Nemotron 3.5 Transcribe 可转写、翻译并区分说话人，还能用日常语言下指令。权重已发布在 Hugging Face。
英伟达分享了一个免费工具，能把录音里的话写下来、翻译，还能分辨谁在说话。支持 40 种语言，开发者都能用。
40支持语言数
炒作检查
炒作5
实际6
声势与实际变化相符。
这是我们基于下方来源给出的编辑观点。 我们如何评分
你的看法：炒作还是实际？
实际 = 在日常使用中真的有影响。炒作 = 声势比实际更大。只能投一票，且不能更改。
我们的看法和读者的看法都是观点，不是对产品的事实陈述。
为什么重要
一个开源模型同时覆盖转写、翻译和说话人识别，并公开训练数据和工具供开发者使用。
适合大多数人
关注：看看语音转文字已经走到哪一步。
细节
- 该模型可转写 40 种语言，其中 31 种可与英语互译，13 种可区分说话人。
- 可处理最长一小时的录音，最多区分 8 位说话人。
- 可用日常语言指挥，如“翻译这段录音”或“谁在说话”，还能加入药名等专业词汇。
- 英伟达称它在 Hugging Face Open ASR 排行榜的英语项目中位居第一。
- 在一项医疗案例中，微调使词错误率相对最佳提示降低约 45.8%。
- 模型和 Granary v2 数据已在 Hugging Face 和 ModelScope 发布，量化版本即将推出。
试试现在适合开发者和技术团队；其他人等待使用它的应用。
来源
由公司或实验室发布，附有原始来源链接。 打开来源，核查我们。
在 AI 工具的帮助下撰写，并对照上方来源核实。 我们如何工作
发现错误？告诉我们，我们会修正。
