Langsung ke konten utama
ToolPotion
Penasihat AI
Kirim (Gratis)

NVIDIA Nemotron 3.5 Transcribe

Model AIModel AI & LLMOpen source · Linux, Windows

NVIDIA Nemotron 3.5 Transcribe adalah model pengenalan suara otomatis dengan 34B parameter yang dibangun dengan NeMo. Model ini menawarkan akurasi tinggi untuk transkripsi, terjemahan, dan pemahaman audio dalam 40 bahasa. Model ini mendukung berbagai tugas termasuk transkripsi kontekstual, transkripsi yang diatributkan kepada pembicara, dan terjemahan suara, menjadikannya cocok untuk berbagai aplikasi suara dan audio.

Lihat Model
Bagikan
Lihat Model
Bagikan

NVIDIA Nemotron 3.5 Transcribe adalah model pengenalan suara otomatis (ASR) yang canggih, dengan 34 miliar parameter (4,3 miliar aktif) dan menggabungkan pengkode audio. Arsitekturnya adalah model bahasa hibrida Mamba-2–Transformer Mixture of Experts, yang ditingkatkan dengan Parallel Expert Encoder untuk ASR dan pengenalan pembicara.

Baca Selengkapnya

Model ini dirancang untuk akurasi tinggi, kustomisasi, dan fine-tuning, menjadikannya alat yang kuat bagi pengembang dan peneliti.

Model ini mendukung berbagai tugas, termasuk transkripsi kata demi kata dan bentuk tulisan, transkripsi kontekstual, transkripsi yang diatributkan kepada pembicara, transkripsi kaya, terjemahan suara, identifikasi bahasa, dan menjawab pertanyaan audio. Model ini mahir dalam 40 bahasa, dengan tingkat kualitas yang bervariasi dari 'Unggul' hingga 'Didukung' di berbagai lokasi dan kemampuan seperti ASR, terjemahan, ASR multi-pembicara, dan pengalihan kode.

Nemotron 3.5 Transcribe dioptimalkan untuk penerapan pada perangkat keras NVIDIA, khususnya memerlukan 1× H100 80 GB untuk kinerja optimal. Model ini mendukung presisi BF16, dengan varian FP8 dan NVFP4 juga tersedia. Model ini dapat memproses rekaman hingga 1 jam dan memiliki panjang konteks 65.536 token. Input termasuk audio (WAV, FLAC, MP3, OGG) dan teks, menghasilkan output teks dengan cap waktu kata opsional.

Model ini menunjukkan kinerja terdepan di berbagai tolok ukur, termasuk ASR multi-pembicara, kontrol gaya, ASR bahasa Inggris, ASR bentuk panjang, dan ASR multibahasa. Panduan prompt-nya menawarkan opsi fleksibel untuk berbagai kasus penggunaan, seperti menghasilkan transkrip penelitian, teks yang dapat dibaca untuk subtitle, mentranskripsi kosakata spesifik domain, mengidentifikasi pembicara, menerjemahkan suara, dan menjawab pertanyaan dari rekaman audio.

NVIDIA Nemotron 3.5 Transcribe dilisensikan di bawah OpenMDW-1.1, memastikan syarat penggunaan yang jelas. Model ini ditujukan untuk pengembang dan peneliti yang membangun aplikasi suara dan audio yang memerlukan evaluasi dan tinjauan spesifik aplikasi. Kemampuan kuat model ini dan dukungan bahasa yang luas menjadikannya solusi serbaguna untuk tugas pemrosesan dan pemahaman audio yang kompleks.

  • KategoriModel AI & LLM
  • Model HargaOpen source
  • PenerapanCloud
  • PlatformLinux, Windows

  • 34 Miliar Parameter (4,3B aktif) dengan pengkode audio

  • Arsitektur hibrida Mamba-2–Transformer Mixture of Experts

  • Mendukung presisi BF16, FP8, dan NVFP4

  • Panjang konteks 65.536 token untuk rekaman hingga 1 jam

  • Memproses input audio dan teks, menghasilkan teks dengan cap waktu kata opsional

  • Mendukung 40 bahasa untuk transkripsi dan terjemahan

  • Melakukan transkripsi kata demi kata dan bentuk tulisan

  • Menawarkan transkripsi kontekstual dan yang diatributkan kepada pembicara

  • Termasuk kemampuan transkripsi kaya dan terjemahan suara

  • Memiliki identifikasi bahasa dan menjawab pertanyaan audio

  • Dioptimalkan untuk penerapan perangkat keras NVIDIA H100 80 GB

  • Prediksi Multi-Token Asli (MTP) untuk dekoding spekulatif

  • Mode penalaran yang dapat dikonfigurasi melalui template obrolan

  • Mencapai akurasi tinggi di berbagai tolok ukur ASR

  • Lisensi OpenMDW-1.1

  1. Akses Model: Dapatkan akses ke model NVIDIA Nemotron 3.5 Transcribe melalui Hugging Face.

  2. Siapkan Lingkungan: Konfigurasikan lingkungan Anda dengan perangkat keras NVIDIA yang diperlukan (misalnya, H100 80 GB) dan runtime inferensi (vLLM, Hugging Face Transformers).

  3. Siapkan Input: Sediakan file audio dalam format WAV, FLAC, MP3, atau OGG, dan/atau prompt teks.

  4. Buat Prompt: Gunakan struktur prompt yang direkomendasikan untuk tugas spesifik seperti ASR kata demi kata, transkrip bersih, atribusi pembicara, atau terjemahan suara.

  5. Kirim Permintaan: Kirim permintaan ke server model, dengan menentukan mode dekoding dan pengaturan penalaran.

  6. Proses Output: Terima output teks yang dihasilkan, yang mungkin termasuk transkrip, terjemahan, tag pembicara, atau jawaban untuk pertanyaan audio.

  7. Integrasikan Perangkat Lunak: Integrasikan model ke dalam aplikasi menggunakan arsitektur dan sistem operasi yang didukung (Linux, Windows melalui WSL2).

  • Transkrip Penelitian
  • Subtitle dan Catatan
  • Transkripsi Diskusi Teknis
  • Alur Kerja Tinjauan Rapat
  • Diktasi dan Antarmuka Suara
  • Lokalisasi Media Multibahasa
  • Pencarian dan Pemahaman Audio
  • Transkripsi Pengalihan Kode
  • Pemulihan Nilai Terstruktur
  • Permintaan Asisten Suara

Dari NVIDIA

Ulasan NVIDIA Nemotron 3.5 Transcribe

Memuat...

Alat AI Populer Seperti NVIDIA Nemotron 3.5 Transcribe

Nemotron 3.5 ASR adalah model Pengakuan Ucapan Otomatis streaming multibahasa oleh NVIDIA, mendukung transkripsi dalam 40 bahasa. Ini menawarkan transkripsi berkualitas tinggi…

Alat Transkripsi AI
Lihat Alat

Model Pengakuan Ucapan Otomatis streaming multibahasa oleh NVIDIA, mendukung transkripsi dalam 40 bahasa. Ini menawarkan transkripsi berkualitas tinggi…Nemotron 3.5 ASR adalah model Pengakuan Ucapan Otomatis streaming multibahasa oleh NVIDIA, mendukung transkripsi dalam 40 bahasa. Ini menawarkan transkripsi berkualitas tinggi…

Alat Transkripsi AI
Lihat Top 5 Model AI

Nemotron 3 Diarization adalah model diarization pembicara yang mengidentifikasi 'siapa yang berbicara kapan' dalam rekaman audio. Model ini mendukung hingga delapan pembicara dan…

Model AI & LLM
Lihat Alat

Model diarization pembicara yang mengidentifikasi 'siapa yang berbicara kapan' dalam rekaman audio. Model ini mendukung hingga delapan pembicara dan…Nemotron 3 Diarization adalah model diarization pembicara yang mengidentifikasi 'siapa yang berbicara kapan' dalam rekaman audio. Model ini mendukung hingga delapan pembicara dan…

Model AI & LLM
Lihat Top 5 Model AI

NVIDIA Parakeet adalah model pengenalan ucapan otomatis dengan 600 juta parameter yang dirancang untuk transkripsi bahasa Inggris berkualitas tinggi, mendukung tanda baca,…

Model AI & LLM
Lihat Alat

NVIDIA Parakeet adalah model pengenalan ucapan otomatis dengan 600 juta parameter yang dirancang untuk transkripsi bahasa Inggris berkualitas tinggi, mendukung tanda baca,…

Model AI & LLM
Lihat Top 5 Model AI

NVIDIA Nemotron 3 Ultra adalah model AI yang kuat dirancang untuk penalaran kompleks dan tugas multibahasa. Dengan 550 miliar parameter, model ini unggul dalam analisis konteks…

Model AI & LLM
Lihat Alat

Model AI yang kuat dirancang untuk penalaran kompleks dan tugas multibahasa. Dengan 550 miliar parameter, model ini unggul dalam analisis konteks…NVIDIA Nemotron 3 Ultra adalah model AI yang kuat dirancang untuk penalaran kompleks dan tugas multibahasa. Dengan 550 miliar parameter, model ini unggul dalam analisis konteks…

UnggulanModel AI & LLM
Lihat Top 5 Model AI

Whisper Large V3 Turbo adalah model canggih untuk pengenalan suara otomatis dan terjemahan, dioptimalkan untuk kecepatan dengan lapisan dekoding yang dikurangi. Model ini…

Model AI & LLM
Lihat Alat

Model canggih untuk pengenalan suara otomatis dan terjemahan, dioptimalkan untuk kecepatan dengan lapisan dekoding yang dikurangi. Model ini…Whisper Large V3 Turbo adalah model canggih untuk pengenalan suara otomatis dan terjemahan, dioptimalkan untuk kecepatan dengan lapisan dekoding yang dikurangi. Model ini…

Model AI & LLM
Lihat Top 5 Model AI

NVIDIA Nemotron 3.5 Super VL adalah model bahasa besar yang dirancang untuk pemrosesan teks, gambar, dan video. Ini memiliki arsitektur hibrida Mamba-2–Transformer dan paling…

Model AI & LLM

Peringkat 16 di LLM

Lihat Alat

Model bahasa besar yang dirancang untuk pemrosesan teks, gambar, dan video. Ini memiliki arsitektur hibrida Mamba-2–Transformer dan paling…NVIDIA Nemotron 3.5 Super VL adalah model bahasa besar yang dirancang untuk pemrosesan teks, gambar, dan video. Ini memiliki arsitektur hibrida Mamba-2–Transformer dan paling…

Model AI & LLM
Peringkat 16 di LLM

Whisper-large-v3 adalah model canggih untuk pengenalan suara otomatis dan terjemahan suara, dilatih dengan lebih dari 5 juta jam data. Model ini menawarkan kinerja yang lebih baik…

Model AI & LLM
Lihat Alat

Model canggih untuk pengenalan suara otomatis dan terjemahan suara, dilatih dengan lebih dari 5 juta jam data. Model ini menawarkan kinerja yang lebih baik…Whisper-large-v3 adalah model canggih untuk pengenalan suara otomatis dan terjemahan suara, dilatih dengan lebih dari 5 juta jam data. Model ini menawarkan kinerja yang lebih baik…

UnggulanModel AI & LLM
Lihat Top 5 Model AI

Mistral Large 3 adalah model AI mutakhir yang dirancang untuk perusahaan, memungkinkan kustomisasi, fine-tuning, dan penerapan asisten dan agen AI. Model ini memiliki arsitektur…

Model AI & LLM
Lihat Alat

Model AI mutakhir yang dirancang untuk perusahaan, memungkinkan kustomisasi, fine-tuning, dan penerapan asisten dan agen AI. Model ini memiliki arsitektur…Mistral Large 3 adalah model AI mutakhir yang dirancang untuk perusahaan, memungkinkan kustomisasi, fine-tuning, dan penerapan asisten dan agen AI. Model ini memiliki arsitektur…

UnggulanModel AI & LLM
Lihat Top 5 Model AI
1 dari 8