← AI 動態
The Decoder
Nvidia發布Nemotron 3.5語音模型，結合翻譯與語者識別
Nvidia推出開源語音模型Nemotron 3.5 Transcribe，整合了語音轉錄、翻譯及語者辨識功能。它能以單張GPU高效運行，為多語系應用帶來低成本且高效的解決方案。
Nvidia
語音辨識
開源模型
Nvidia 最近開源了強大的語音 AI 模型「Nemotron 3.5 Transcribe」。這款模型不僅支援高達 40 種語言的語音轉文字，還結合了即時翻譯與「語者識別」（分辨誰在說話）功能。最特別的是，它可以直接透過文字指令（Prompt）來控制，讓操作變得更直覺靈活。
這項技術的最大亮點在於其極高的運算效率。雖然模型具備 300 億個參數，但憑藉高效的架構設計，每次運算只會啟動 40 億個參數。這代表企業或開發者只需使用單張一般規格的圖形處理器（GPU）就能順暢運行，大幅降低了導入 AI 的硬體門檻，而其準確度與效能表現仍名列前茅。
此外，Nvidia 還同步釋出了包含 84.4 萬小時音檔的開源資料集「Granary v2」以及專屬的微調工具。未來，無論是醫療問診錄音的自動整理、跨國會議的即時多語系翻譯，還是更聰明的客服系統，這項技術都能幫助開發者快速打造出專業應用，讓一般大眾也能輕易享受到高品質的 AI 語音服務。