Nvidia चे open model ट्रान्सक्राइब, ट्रान्सलेट आणि speakers ओळखते
Nvidia ने Nemotron 3.5 Transcribe हे open speech recognition model प्रसिद्ध केले आहे. हे ट्रान्सक्रिप्शन, speaker ओळख आणि भाषांतर करू शकते. तुम्ही त्याला साध्या मजकूर prompts द्वारे सूचना देता, आणि बातमीनुसार ते अनेक benchmarks मध्ये आघाडीवर आहे, त्यामुळे रेकॉर्ड केलेले कॉल्स किंवा मीटिंग्सवर काम करणाऱ्यांसाठी ते उपयुक्त ठरू शकते.
कसे वापरून पाहावेHugging Face वर Nemotron 3.5 Transcribe शोधा, जिथे Nvidia चे open models सहसा शेअर केले जातात. एक छोटी audio फाइल अपलोड करा आणि speaker labels मागणारा prompt टाइप करून सुरुवात करा.
The Decoder वर वाचा (इंग्रजी)
उपयुक्त 45%