NVIDIA發布語音模型及Granary v2
先了解這件事
10月28日22:58，NVIDIA推出開放權重 Nemotron 3.5 Transcribe，並公開 Granary v2 多語言語音數據集及整理流程。模型支援40種語言轉錄、31種語言與英文互譯，以及13種語言的説話者標註；Granary v2清單涵蓋48種語言、463,062小時及16個來源語料庫。醫療語音案例中，微調後留出説話者的 WER 較最佳提示詞基線相對下降45.8%。23:00報道稱模型有30 billion parameters、可在單一晶片運行，最多標註8位説話者；TechCrunch稱只支援錄音、不支援即時串流。SiliconANGLE稱模型採 MoE 架構、啟用4 billion參數，並支援音訊提問。音訊時長方面，早先報道稱最長一小時，後續報道稱可處理100小時；23:49的 The Decoder 再稱錄音最長一小時，説法不一致。23:20報道亦提及模型及 Granary v2 發布。
AI 根據報道生成 · 2 小時前更新
報道時間線
沿着報道，瞭解事件的不同側面。
- The DecoderNvidia 發佈開放語音模型 Nemotron 3.5 Transcribe，整合轉錄、翻譯與説話者識別
Nvidia 發佈開放語音模型 Nemotron 3.5 Transcribe，將轉錄、翻譯、説話者識別及錄音內容問答整合於單一模型。模型支援轉錄 40 種語言、將其中 31 種與英文互譯，並可識別 13 種語言的説話者；錄音最長一小時、最多八名説話者。
- TechmemeNvidia 推出 Nemotron 3.5 Transcribe 開放權重模型及 Granary v2 開源語音數據集
Nvidia 推出 Nemotron 3.5 Transcribe 開放權重模型，支援多語言音訊轉錄與翻譯，並推出開源語音數據集 Granary v2。
- SiliconANGLENvidia 發佈 Nemotron 3.5 Transcribe 多語言音訊轉錄與翻譯模型
Nvidia 發佈 Nemotron 3.5 Transcribe，這款開放權重 MoE 模型可在單次處理中完成多語言音訊轉錄、翻譯、説話者標註及音訊提問。模型參數量為 30 billion、啟用參數為 4 billion，可處理 100 小時音訊及 40 種語言，最多標註 8 名説話者。
- TechCrunch · AINvidia 發佈 Nemotron 3.5 Transcribe 開放權重音訊轉錄模型
Nvidia 發佈 Nemotron 3.5 Transcribe 開放權重模型，可轉錄最多 40 種語言的音訊，並推出開源語音數據集 Granary version 2。Nvidia 表示，模型可將 31 種語言與英文互相翻譯、處理最長一小時的錄音，並分辨最多 8 位説話者。Nvidia 稱這個 30 billion parameters 模型可在單一晶片上運行，但只支援錄音、不支援即時串流。
- Hugging Face Blog精選NVIDIA 推出 Nemotron 3.5 Transcribe，並公開 Granary v2 多語言語音資料及整理流程
NVIDIA 推出開放權重的 Nemotron 3.5 Transcribe，並公開 Granary v2 多語言語音資料及整理流程。模型支援 40 種語言轉錄，其中 31 種可與英文互譯，並支援 13 種語言的説話者標註；Granary v2 公開清單涵蓋 48 種語言、463,062 小時及 16 個來源語料庫。醫療語音案例中，微調令留出説話者的 WER 較最佳提示詞基線相對下降 45.8%。
本事件熱度走勢
還沒有足夠的連續觀測數據，暫不繪製趨勢。