Nemotron 3 Diarization

Nemotron 3.5 ASR

AI 模型

NVIDIA 开发的多语言流式自动语音识别模型，支持 40 种语言的转录。它提供高质量的转录，具有低延迟和高吞吐量，适用于多种声学条件。Nemotron 3.5 ASR 是 NVIDIA 开发的多语言流式自动语音识别模型，支持 40 种语言的转录。它提供高质量的转录，具有低延迟和高吞吐量，适用于多种声学条件。

NVIDIA Parakeet ASR模型

AI 模型

拥有6亿参数的自动语音识别模型，旨在提供高质量的英语转录，支持标点符号、大小写和准确的时间戳预测。NVIDIA Parakeet是一个拥有6亿参数的自动语音识别模型，旨在提供高质量的英语转录，支持标点符号、大小写和准确的时间戳预测。

NVIDIA NemotronLabs VoiceChat

AI 模型

实时全双工语音模型，用于对话式人工智能。它将语音理解和生成集成在一个架构中，减少延迟并增强自然对话流。NVIDIA NemotronLabs VoiceChat 是一个实时全双工语音模型，用于对话式人工智能。它将语音理解和生成集成在一个架构中，减少延迟并增强自然对话流。

whisper-large-v3

AI 模型

先进的自动语音识别和语音翻译模型，训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能，旨在为 AI 领域的开发者和研究人员服务。Whisper-large-v3 是一个先进的自动语音识别和语音翻译模型，训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能，旨在为 AI 领域的开发者和研究人员服务。

Whisper Large V3 Turbo

AI 模型

先进的自动语音识别和翻译模型，经过优化以提高速度，并减少了解码层。它支持多种语言，并提供强大的转录能力。Whisper Large V3 Turbo 是一款先进的自动语音识别和翻译模型，经过优化以提高速度，并减少了解码层。它支持多种语言，并提供强大的转录能力。

Qwen3-ASR-1.7B-hf

AI 模型

先进的开源自动语音识别（ASR）模型，支持 52 种语言和方言的语言识别和语音识别。它在复杂的声学环境中提供高质量、稳健的识别，并支持流式和离线推理。Qwen3-ASR-1.7B-hf 是一个先进的开源自动语音识别（ASR）模型，支持 52 种语言和方言的语言识别和语音识别。它在复杂的声学环境中提供高质量、稳健的识别，并支持流式和离线推理。

开源 AI 模型，可以将单张肖像照片和脚本或音频转换为同步口型的对话视频，生成对齐的音频和视频，且只需一次处理即可完成。可以在线免费试用或自托管。daVinci-MagiHuman 是一个开源 AI 模型，可以将单张肖像照片和脚本或音频转换为同步口型的对话视频，生成对齐的音频和视频，且只需一次处理即可完成。可以在线免费试用或自托管。

Cosmos3-Edge

AI 模型

NVIDIA的Cosmos3-Edge是一种多模态AI模型，旨在用于物理AI应用。它能够从文本、图像和视频生成动态输出，支持机器人技术、自动驾驶和智能环境。该模型可在全球范围内部署，适用于商业和非商业用途。