Nvidia-র ওপেন মডেল ট্রান্সক্রাইব, অনুবাদ ও স্পিকার চিহ্নিত করে
Nvidia Nemotron 3.5 Transcribe প্রকাশ করেছে, একটি ওপেন স্পিচ রিকগনিশন মডেল, যা ট্রান্সক্রিপশন, স্পিকার চেনা ও অনুবাদ করতে পারে। সাধারণ টেক্সট প্রম্পট দিয়ে এটিকে নির্দেশ দেওয়া যায়, এবং খবর অনুযায়ী কয়েকটি বেঞ্চমার্কে এটি সবার উপরে আছে। তাই রেকর্ড করা কল বা মিটিং নিয়ে যারা কাজ করেন, তাদের জন্য এটি উপযোগী।
কীভাবে চেষ্টা করবেনHugging Face-এ Nemotron 3.5 Transcribe খুঁজুন, যেখানে সাধারণত Nvidia-র ওপেন মডেলগুলো শেয়ার করা হয়। শুরু করতে একটি ছোট অডিও ফাইল আপলোড করুন এবং স্পিকারের লেবেল চেয়ে একটি প্রম্পট লিখুন।
The Decoder-এ পড়ুন (ইংরেজি)
কাজের 45%