NVIDIA、40言語対応の無償文字起こしAI「Nemotron 3.5 Transcribe」を発表
要点
NVIDIAは10月28日、文字起こしや翻訳、話者分離をサポートしたオープンウェイトのAIモデル「Nemotron 3.5 Transcribe」を発表した。40言語の文字起こし、31言語との英語相互翻訳、13言語の話者分離に対応し、最大1時間の音声を処理できる。
NVIDIAは10月28日、文字起こし、翻訳、および話者分離をサポートするオープンウェイトのAIモデル「Nemotron 3.5 Transcribe」を発表した。このモデルは30B MoE構成で、4.3Bの有効パラメータを持つ。文字起こしは40言語、英語との相互翻訳は31言語、話者分離は13言語に対応しており、話者ラベルや単語のタイムスタンプの追加も可能。最大1時間の音声を処理できる。
同モデルはEnglish Open ASR Leaderboardにおいて4.71%の平均WERを記録している。ベースモデルはHugging Faceにて公開されており、FP8およびNVFP4の量子化モデルも近日公開予定だとしている。ライセンスは「OpenMDW-1.1」で、無償での商用利用も可能である。