AI资讯Meta发布实时语音识别模型“Muse Voice Transcribe”
Meta Superintelligence Labs推出支持多语言和多说话人分离的实时语音识别技术。
按标签聚合查看文章内容。
AI资讯Meta Superintelligence Labs推出支持多语言和多说话人分离的实时语音识别技术。
AI资讯在会议录音转文字时,常常遇到无法区分“谁在什么时候发言”的问题。为此,日本NVIDIA于9月24日(日本时间)免费发布了参数量仅为0.1B(1亿)的AI模型——Nemotron 3 Diarization。该模型即使在多声重叠的情况下,也能追踪最多8位发言者。模型权重已在Hugging Face平台开放下载,且允许商业使用。 Nemotron 3 Diarization是一款专门用于识别音频中“