Hacker News Front Page · Maryam Motamedi, Piotr Żelasko, Kunal Dhawan, Nikolay Karpov, Nune Tadevosyan, Meline Mkrtchyan, Nithin Rao Koluguri, Francesco ·
NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt
NVIDIA presenta Nemotron 3.5 Transcribe, un modelo abierto que combina transcripción en 40 idiomas, traducción, atribución de hablantes y preguntas sobre audio, y que obtiene resultados destacados en varios benchmarks. El artículo describe Granary v2, un conjunto de datos y una canalización reutilizable para preparar transcripciones y otras etiquetas, además de recetas para adaptar el modelo a vocabulario y convenciones específicas. En un caso de uso médico, el ajuste fino redujo el WER en voces no usadas durante el ajuste de 22,44 % a 12,17 %, aunque el rendimiento en LibriSpeech empeoró ligeramente.
A Blog post by NVIDIA on Hugging Face