词级时间戳可精确标注每个词语在音频中的开始与结束时间,适用于语音识别、字幕制作、音频检索与文本对齐等场景。
NVIDIA Nemotron 3.5 Transcribe 是一个开放权重的语音大模型,支持 40 种语言的智能转写,并提供上下文、说话人归属和词级时间戳,适合开发者与研究人员构建多语言语音识别和转写应用。
返回顶部