NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2
NVIDIA 在 Hugging Face 和 ModelScope 上线开放权重、可提示的语音模型 Nemotron 3.5 Transcribe。该模型将转录、说话人分离、翻译和音频问答整合在同一个模型中,支持 40 种语言转录、31 种语言与英语互译,并可在 13 种语言中标注说话人;可处理最长 1 小时录音,最多标记 8 位说话人。 开发者可用自然语言指令控制输出,例如要求标注说话人、翻译成英语或回答会议决策问题。模型可在从 DG...