Nvidia का ओपन मॉडल ट्रांसक्राइब, अनुवाद और स्पीकर की पहचान करता है
Nvidia ने Nemotron 3.5 Transcribe नाम का एक ओपन स्पीच रिकग्निशन मॉडल जारी किया है, जो ट्रांसक्रिप्शन, स्पीकर की पहचान और अनुवाद संभालता है। आप इसे सादे टेक्स्ट prompts में निर्देश देते हैं, और कहानी के अनुसार यह कई benchmarks में आगे है, इसलिए रिकॉर्ड की गई कॉल या मीटिंग पर काम करने वालों के लिए यह उपयोगी है।
कैसे आज़माएँHugging Face पर Nemotron 3.5 Transcribe ढूँढें, जहाँ Nvidia के ओपन मॉडल आमतौर पर साझा किए जाते हैं। शुरुआत एक छोटी audio फ़ाइल अपलोड करके और एक prompt लिखकर करें जिसमें स्पीकर के लेबल माँगे गए हों।
The Decoder पर पढ़ें (अंग्रेज़ी)
उपयोगी 45%