Nemotron 3 ダイアライゼーション

Nemotron 3.5 ASR

AI モデル

NVIDIAによって開発された多言語ストリーミング自動音声認識モデルで、40言語にわたる文字起こしをサポートします。低遅延で高スループットの高品質な文字起こしを提供し、多様な音響条件に適しています。Nemotron 3.5 ASRは、NVIDIAによって開発された多言語ストリーミング自動音声認識モデルで、40言語にわたる文字起こしをサポートします。低遅延で高スループットの高品質な文字起こしを提供し、多様な音響条件に適しています。

NVIDIA Parakeet ASRモデル

AI モデル

600百万パラメータを持つ自動音声認識モデルで、高品質な英語の文字起こしを目的としており、句読点、大文字、正確なタイムスタンプ予測をサポートしています。NVIDIA Parakeetは、600百万パラメータを持つ自動音声認識モデルで、高品質な英語の文字起こしを目的としており、句読点、大文字、正確なタイムスタンプ予測をサポートしています。

NVIDIA NemotronLabs VoiceChat

AI モデル

会話型AIのためのリアルタイム全二重音声モデルです。音声理解と生成を1つのアーキテクチャに統合し、レイテンシを削減し、自然な会話の流れを向上させます。NVIDIA NemotronLabs VoiceChatは、会話型AIのためのリアルタイム全二重音声モデルです。音声理解と生成を1つのアーキテクチャに統合し、レイテンシを削減し、自然な会話の流れを向上させます。

whisper-large-v3

AI モデル

自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。Whisper-large-v3は、自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。

Whisper Large V3 Turbo

AI モデル

自動音声認識と翻訳のための最先端モデルで、デコーディング層を減らすことで速度を最適化しています。複数の言語をサポートし、堅牢な文字起こし機能を提供します。Whisper Large V3 Turboは、自動音声認識と翻訳のための最先端モデルで、デコーディング層を減らすことで速度を最適化しています。複数の言語をサポートし、堅牢な文字起こし機能を提供します。

Qwen3-ASR-1.7B-hf

AI モデル

52の言語と方言に対応した高度なオープンソースのASRモデルで、言語識別と音声認識をサポートします。複雑な音響環境において高品質で堅牢な認識を提供し、ストリーミングとオフライン推論の両方に対応しています。Qwen3-ASR-1.7B-hfは、52の言語と方言に対応した高度なオープンソースのASRモデルで、言語識別と音声認識をサポートします。複雑な音響環境において高品質で堅牢な認識を提供し、ストリーミングとオフライン推論の両方に対応しています。

1枚のポートレート写真とスクリプトまたは音声を使用して、リップシンクされたトーキングビデオを生成するオープンソースのAIモデルです。音声とビデオを一度の処理で同時に生成します。オンラインで無料で試すことができ、自己ホスティングも可能です。daVinci-MagiHumanは、1枚のポートレート写真とスクリプトまたは音声を使用して、リップシンクされたトーキングビデオを生成するオープンソースのAIモデルです。音声とビデオを一度の処理で同時に生成します。オンラインで無料で試すことができ、自己ホスティングも可能です。

Cosmos3-Edge

AI モデル

NVIDIAのCosmos3-Edgeは、物理AIアプリケーション向けに設計されたマルチモーダルAIモデルです。テキスト、画像、動画から動的な出力を生成し、ロボティクス、自律運転、スマート環境をサポートします。このモデルは、世界中で展開可能で、商業用および非商業用の両方に適しています。