Nvidia-வின் திறந்த மாடல் டிரான்ஸ்கிரைப், மொழிபெயர்ப்பு, பேச்சாளர்களைக் குறியிடுதல் ஆகியவற்றைச் செய்கிறது
Nvidia, Nemotron 3.5 Transcribe என்ற திறந்த பேச்சு அறிதல் மாடலை வெளியிட்டுள்ளது. இது டிரான்ஸ்கிரிப்ஷன், பேச்சாளர் அடையாளம் காணுதல், மொழிபெயர்ப்பு ஆகியவற்றைச் செய்கிறது. சாதாரண உரை வடிவிலான prompt-களின் மூலம் இதற்கு வழிமுறைகள் கொடுக்கலாம். செய்தியின்படி, இது பல benchmark-களில் முன்னணியில் உள்ளது. பதிவு செய்யப்பட்ட அழைப்புகள் அல்லது கூட்டங்களுடன் வேலை செய்பவர்களுக்கு இது பொருத்தமானது.
எப்படி முயற்சிப்பதுHugging Face-ல் Nemotron 3.5 Transcribe-ஐத் தேடுங்கள், Nvidia-வின் திறந்த மாடல்கள் பொதுவாக அங்குதான் பகிரப்படுகின்றன. ஒரு சிறிய ஆடியோ கோப்பைப் பதிவேற்றி, பேச்சாளர் குறிகளைக் கேட்கும் prompt ஒன்றை எழுதித் தொடங்குங்கள்.
The Decoder-இல் படிக்க (ஆங்கிலம்)
பயனுள்ளது 45%