Nvidia, kayıtlı sesler için açık konuşmadan metne modeli yayımladı
Nvidia, önceden kaydedilmiş sesleri 40 farklı dile kadar metne dönüştürebilen ücretsiz ve açık bir konuşmadan metne modeli yayımladı.
Model canlı yayınlar yerine önceden kaydedilmiş sesler için tasarlandı. Bu durum, kayıtların sonradan işlenebildiği toplantı ve tıbbi transkripsiyon gibi iş akışlarında kullanışlı olabilir; ancak modelin gerçek zamanlı ses uygulamalarındaki kullanılabilirliğini sınırlıyor.
Gerçek zamanlı transkripsiyon, ElevenLabs gibi rakiplerin faaliyet gösterdiği bir alan olmaya devam ediyor. Bu nedenle Nvidia'nın yayımladığı model, çok dilli transkripsiyona erişimi genişletirken en acil canlı ses kullanım senaryosunun dışında kalıyor.