Hugging Face نسخه Transformers 5.18.0 را منتشر کرد. این بهروزرسانی مدل Nemotron 3 Diarization را اضافه میکند؛ مدلی با وزنهای باز که میتواند در صدای زنده یا آفلاین مشخص کند «چه کسی، چه زمانی صحبت کرده است». این مدل از حداکثر هشت گوینده پشتیبانی میکند و به توسعهدهندگان امکان میدهد تأخیر را از 80 ms تا 30.4 ثانیه انتخاب کنند.
این نسخه همچنین مدلهای چندوجهی NemotronH Omni و HyperCLOVAX Vision V2 را بههمراه مجموعهای از رفع اشکالها و بهبودهای عملکردی ارائه میکند.
چرا مهم است
توسعهدهندگان اکنون میتوانند قابلیت رونویسی زنده با برچسب گویندگان را به اپلیکیشنها اضافه کنند تا دنبال کردن جلسهها و پادکستها آسانتر شود.
