Nvidia 发布 Nemotron 3.5 Transcribe 开放语音识别模型

Nvidia 发布开放语音识别模型 Nemotron 3.5 Transcribe，可通过文字指令完成转写、翻译、说话人识别和音频问答。该模型支持 40 种语言，其中 31 种可与英语互译，最多识别 13 名说话人并处理 1 小时音频。Nvidia 同时发布包含约 844,000 小时、48 种语言语音的 Granary v2 数据集及构建工具；其模型和数据集均已上架 Hugging Face。