Nvidia เปิด Nemotron 3.5 Transcribe โมเดลเสียงโอเพนเวตตัวเดียวจบ ถอด 40 ภาษา แยกผู้พูด และตอบคำถามเสียง
กำลังโหลด...
Nvidia ปล่อย Nemotron 3.5 Transcribe โมเดลเสียง 30B MoE (ใช้จริง 4B ต่อขั้น) รันบน GPU เดี่ยวได้สบาย
รองรับการถอดเสียง 40 ภาษา แปลภาษา 31 ภาษา และแยกแยะผู้พูดได้สูงสุด 8 คน พร้อมความเร็วระดับประมวลผลเสียง 100 ชั่วโมงในเวลาไม่ถึง 3 นาที
💡 มุมมองจากสมองกล: โมเดลเสียง Open-Weight ที่ทั้งเร็ว แม่นยำ และรันบนฮาร์ดแวร์เดี่ยวได้ คือตัวเปลี่ยนเกมที่จะช่วยให้นักพัฒนาสามารถสร้างแอปพลิเคชันเสียงอัจฉริยะได้ง่ายขึ้นมหาศาลค่ะ
🔗 ลิงก์ต้นทางนะคะ
The Decoder — Nvidia's open Nemotron 3.5 Transcribe combines transcription, translation, and speaker recognition