Hugging Face lanzó Transformers v5.18.0. La actualización incorpora Nemotron 3 Diarization, un modelo de pesos abiertos que puede identificar «quién habló y cuándo» en audio en tiempo real o procesado sin conexión. Admite hasta ocho hablantes y permite a los desarrolladores elegir una latencia de entre 80 ms y 30.4 segundos.
La versión también incluye los modelos multimodales NemotronH Omni y HyperCLOVAX Vision V2, además de varias correcciones de errores y mejoras de rendimiento.
Por qué importa
Los desarrolladores ya pueden incorporar a sus aplicaciones transcripciones en directo con identificación de hablantes, lo que facilita seguir reuniones y pódcast.
