Zum Hauptinhalt springen
ToolPotion
KI-Berater
Einreichen

NVIDIA Nemotron 3.5 Transcribe

KI-ModelleKI-Modelle & LLMsOpen Source · Linux, Windows

NVIDIA Nemotron 3.5 Transcribe ist ein automatisches Spracherkennungsmodell mit 34 Milliarden Parametern, das mit NeMo entwickelt wurde. Es bietet hohe Genauigkeit für Transkription, Übersetzung und Audioverständnis in 40 Sprachen. Das Modell unterstützt verschiedene Aufgaben, darunter kontextuelle Transkription, sprecherattributierte Transkription und Sprachübersetzung, was es für vielfältige Sprach- und Audioanwendungen geeignet macht.

Modell ansehen
Teilen
Modell ansehen
Teilen

NVIDIA Nemotron 3.5 Transcribe ist ein hochentwickeltes Modell zur automatischen Spracherkennung (ASR) mit 34 Milliarden Parametern (4,3 Milliarden aktiv) und einem Audio-Encoder. Seine Architektur ist ein Mamba-2–Transformer-Hybrid-Mischmodell von Experten, das mit einem parallelen Experten-Encoder für ASR und Sprechererkennung verbessert wurde. Das Modell ist auf hohe Genauigkeit, Anpassungsfähigkeit und Feinabstimmung ausgelegt, was es zu einem leistungsstarken Werkzeug für Entwickler und Forscher macht.

Weiterlesen

Dieses Modell unterstützt eine Vielzahl von Aufgaben, darunter wörtliche und schriftliche Transkription, kontextuelle Transkription, sprecherattributierte Transkription, reichhaltige Transkription, Sprachübersetzung, Spracherkennung und Audiofragenbeantwortung. Es beherrscht 40 Sprachen mit unterschiedlichen Qualitätsstufen von 'Führend' bis 'Unterstützt' in verschiedenen Regionen und Fähigkeiten wie ASR, Übersetzung, Mehrsprecher-ASR und Code-Switching.

Nemotron 3.5 Transcribe ist für den Einsatz auf NVIDIA-Hardware optimiert und benötigt speziell 1× H100 80 GB für optimale Leistung. Es unterstützt BF16-Präzision, mit FP8- und NVFP4-Varianten ebenfalls verfügbar. Das Modell kann Aufnahmen von bis zu 1 Stunde verarbeiten und hat eine Kontextlänge von 65.536 Tokens. Eingaben umfassen Audio (WAV, FLAC, MP3, OGG) und Text, wobei Textausgaben mit optionalen Wortzeitstempeln generiert werden.

Das Modell zeigt führende Leistungen in verschiedenen Benchmarks, einschließlich Mehrsprecher-ASR, Stilkontrolle, Englisch-ASR, Langform-ASR und mehrsprachigem ASR. Sein Eingabehandbuch bietet flexible Optionen für verschiedene Anwendungsfälle, wie das Erstellen von Forschungstranskripten, lesbarem Text für Untertitel, die Transkription von fachspezifischem Vokabular, die Identifizierung von Sprechern, die Übersetzung von Sprache und die Beantwortung von Fragen aus Audioaufnahmen.

NVIDIA Nemotron 3.5 Transcribe ist unter OpenMDW-1.1 lizenziert, was klare Nutzungsbedingungen gewährleistet. Es ist für Entwickler und Forscher gedacht, die Sprach- und Audioanwendungen erstellen, die eine anwendungsspezifische Bewertung und Überprüfung erfordern. Die robusten Fähigkeiten des Modells und die umfangreiche Sprachunterstützung machen es zu einer vielseitigen Lösung für komplexe Audioverarbeitungs- und Verständnisaufgaben.

  • KategorieKI-Modelle & LLMs
  • PreismodellOpen Source
  • BereitstellungCloud
  • PlattformenLinux, Windows

  • 34 Milliarden Parameter (4,3 Milliarden aktiv) mit Audio-Encoder

  • Mamba-2–Transformer-Hybrid-Mischarchitektur von Experten

  • Unterstützt BF16, FP8 und NVFP4-Präzision

  • Kontextlänge von 65.536 Tokens für Aufnahmen von bis zu 1 Stunde

  • Verarbeitet Audio- und Texteingaben, gibt Text mit optionalen Wortzeitstempeln aus

  • Unterstützt 40 Sprachen für Transkription und Übersetzung

  • Führt wörtliche und schriftliche Transkription durch

  • Bietet kontextuelle und sprecherattributierte Transkription

  • Umfasst reichhaltige Transkriptions- und Sprachübersetzungsfähigkeiten

  • Verfügt über Spracherkennung und Audiofragenbeantwortung

  • Optimiert für den Einsatz auf NVIDIA H100 80 GB Hardware

  • Native Multi-Token-Vorhersage (MTP) für spekulatives Decoding

  • Konfigurierbarer Denkmodus über Chat-Vorlage

  • Erreicht hohe Genauigkeit in mehreren ASR-Benchmarks

  • OpenMDW-1.1 Lizenz

  1. Zugriff auf das Modell: Erhalten Sie Zugriff auf das NVIDIA Nemotron 3.5 Transcribe-Modell über Hugging Face.

  2. Umgebung einrichten: Konfigurieren Sie Ihre Umgebung mit der erforderlichen NVIDIA-Hardware (z. B. H100 80 GB) und Inferenzlaufzeiten (vLLM, Hugging Face Transformers).

  3. Eingaben vorbereiten: Stellen Sie Audiodateien im WAV-, FLAC-, MP3- oder OGG-Format und/oder Textaufforderungen bereit.

  4. Aufforderungen formulieren: Verwenden Sie empfohlene Aufforderungsstrukturen für spezifische Aufgaben wie wörtliche ASR, saubere Transkripte, Sprecherzuordnung oder Sprachübersetzung.

  5. Anfrage senden: Senden Sie Anfragen an den Modellserver und geben Sie Decodierungsmodi und Denkoptionen an.

  6. Ausgabe verarbeiten: Erhalten Sie generierte Textausgaben, die Transkripte, Übersetzungen, Sprecher-Tags oder Antworten auf Audiofragen enthalten können.

  7. Software integrieren: Integrieren Sie das Modell in Anwendungen unter Verwendung unterstützter Architekturen und Betriebssysteme (Linux, Windows über WSL2).

  • Forschungstranskripte
  • Untertitel und Notizen
  • Transkription technischer Diskussionen
  • Überprüfungsworkflows für Besprechungen
  • Diktat und Sprachschnittstellen
  • Mehrsprachige Medienlokalisierung
  • Audio-Suche und -Verständnis
  • Code-Switching-Transkription
  • Wiederherstellung strukturierter Werte
  • Anfragen an gesprochene Assistenten

Von NVIDIA

NVIDIA Nemotron 3.5 Transcribe Bewertungen

Wird geladen...

Beliebte KI-Tools wie NVIDIA Nemotron 3.5 Transcribe

Nemotron 3.5 ASR ist ein mehrsprachiges Streaming-Modell zur automatischen Spracherkennung von NVIDIA, das die Transkription in 40 Sprachen unterstützt. Es bietet qualitativ…

KI-Transkriptionstools
Tool ansehen

Mehrsprachiges Streaming-Modell zur automatischen Spracherkennung von NVIDIA, das die Transkription in 40 Sprachen unterstützt. Es bietet qualitativ…Nemotron 3.5 ASR ist ein mehrsprachiges Streaming-Modell zur automatischen Spracherkennung von NVIDIA, das die Transkription in 40 Sprachen unterstützt. Es bietet qualitativ…

KI-Transkriptionstools
Top 5 KI-Modelle ansehen

Nemotron 3 Diarisierung ist ein Modell zur Sprecherdiarisierung, das identifiziert, 'wer wann gesprochen hat' in Audioaufnahmen. Es unterstützt bis zu acht Sprecher und bietet…

KI-Modelle & LLMs
Tool ansehen

Modell zur Sprecherdiarisierung, das identifiziert, 'wer wann gesprochen hat' in Audioaufnahmen. Es unterstützt bis zu acht Sprecher und bietet…Nemotron 3 Diarisierung ist ein Modell zur Sprecherdiarisierung, das identifiziert, 'wer wann gesprochen hat' in Audioaufnahmen. Es unterstützt bis zu acht Sprecher und bietet…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

NVIDIA Parakeet ist ein automatisches Spracherkennungsmodell mit 600 Millionen Parametern, das für hochwertige englische Transkription entwickelt wurde und automatische…

KI-Modelle & LLMs
Tool ansehen

Automatisches Spracherkennungsmodell mit 600 Millionen Parametern, das für hochwertige englische Transkription entwickelt wurde und automatische…NVIDIA Parakeet ist ein automatisches Spracherkennungsmodell mit 600 Millionen Parametern, das für hochwertige englische Transkription entwickelt wurde und automatische…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

NVIDIA Nemotron 3 Ultra ist ein leistungsstarkes KI-Modell, das für komplexe Denkprozesse und mehrsprachige Aufgaben entwickelt wurde. Mit 550 Milliarden Parametern glänzt es in…

KI-Modelle & LLMs
Tool ansehen

Leistungsstarkes KI-Modell, das für komplexe Denkprozesse und mehrsprachige Aufgaben entwickelt wurde. Mit 550 Milliarden Parametern glänzt es in…NVIDIA Nemotron 3 Ultra ist ein leistungsstarkes KI-Modell, das für komplexe Denkprozesse und mehrsprachige Aufgaben entwickelt wurde. Mit 550 Milliarden Parametern glänzt es in…

EmpfohlenKI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Whisper Large V3 Turbo ist ein hochmodernes Modell für automatische Spracherkennung und Übersetzung, das für Geschwindigkeit mit reduzierten Dekodierungsschichten optimiert ist.…

KI-Modelle & LLMs
Tool ansehen

Hochmodernes Modell für automatische Spracherkennung und Übersetzung, das für Geschwindigkeit mit reduzierten Dekodierungsschichten optimiert ist.…Whisper Large V3 Turbo ist ein hochmodernes Modell für automatische Spracherkennung und Übersetzung, das für Geschwindigkeit mit reduzierten Dekodierungsschichten optimiert ist.…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

NVIDIA Nemotron 3.5 Super VL ist ein großes Sprachmodell, das für die Verarbeitung von Text, Bildern und Videos entwickelt wurde. Es verfügt über eine…

KI-Modelle & LLMs

Platz 16 in LLMs

Tool ansehen

Großes Sprachmodell, das für die Verarbeitung von Text, Bildern und Videos entwickelt wurde. Es verfügt über eine…NVIDIA Nemotron 3.5 Super VL ist ein großes Sprachmodell, das für die Verarbeitung von Text, Bildern und Videos entwickelt wurde. Es verfügt über eine…

KI-Modelle & LLMs
Platz 16 in LLMs

Whisper-large-v3 ist ein fortschrittliches Modell für automatische Spracherkennung und Sprachübersetzung, das auf über 5 Millionen Stunden Daten trainiert wurde. Es bietet…

KI-Modelle & LLMs
Tool ansehen

Fortschrittliches Modell für automatische Spracherkennung und Sprachübersetzung, das auf über 5 Millionen Stunden Daten trainiert wurde. Es bietet…Whisper-large-v3 ist ein fortschrittliches Modell für automatische Spracherkennung und Sprachübersetzung, das auf über 5 Millionen Stunden Daten trainiert wurde. Es bietet…

EmpfohlenKI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Mistral Large 3 ist ein hochmodernes KI-Modell, das für Unternehmen entwickelt wurde und die Anpassung, Feinabstimmung und Bereitstellung von KI-Assistenten und -Agenten…

KI-Modelle & LLMs
Tool ansehen

Hochmodernes KI-Modell, das für Unternehmen entwickelt wurde und die Anpassung, Feinabstimmung und Bereitstellung von KI-Assistenten und -Agenten…Mistral Large 3 ist ein hochmodernes KI-Modell, das für Unternehmen entwickelt wurde und die Anpassung, Feinabstimmung und Bereitstellung von KI-Assistenten und -Agenten…

EmpfohlenKI-Modelle & LLMs
Top 5 KI-Modelle ansehen
1 von 8