Nemotron 3.5 Transcribe
مدل صوتی از انویدیا
به فارسی:نموترون ۳.۵ ترنسکرایبنیموترون ۳.۵ ترنسکرایب
این مدل چیست؟
Nemotron 3.5 Transcribe مدل متنباز تبدیل گفتار به متن NVIDIA است که اکتبر ۲۰۲۶ روی Hugging Face منتشر شد؛ مدل ترکیب متخصصان ۳۰ میلیارد پارامتری با حدود ۴ میلیارد پارامتر فعال بر پایهٔ Nemotron 3.5 Lightning. ضبطهای تا یک ساعت را در ۴۰ زبان با زمانبندی، تفکیک گوینده و تشخیص زبان رونویسی و ترجمه میکند؛ فارسی جزو این ۴۰ زبان نیست. نرخ خطای کلمه در سنجش انگلیسی Artificial Analysis حدود ۳٫۴٪ است و از DeepInfra و OpenRouter هم در دسترس است.
سازنده: انویدیا (NVIDIA)
کجا میشود از آن استفاده کرد؟
جایگاه در جدولهای مقایسه
- سنجش گفتار به متن Artificial AnalysisNemotron 3.5 Transcribeرتبهٔ ۲۵خطای کلمه ۳٫۴٪$۲ برای ۱۰۰۰ دقیقه صدا