Hugging Face a publié Transformers v5.18.0. Cette mise à jour ajoute Nemotron 3 Diarization, un modèle à poids ouverts qui peut déterminer « qui a parlé et quand », en temps réel ou à partir d’un enregistrement. Il prend en charge jusqu’à huit personnes et permet aux développeurs de choisir une latence comprise entre 80 ms et 30.4 secondes.
La version intègre également les modèles multimodaux NemotronH Omni et HyperCLOVAX Vision V2, ainsi qu’un ensemble de corrections de bugs et d’améliorations des performances.
Pourquoi c'est important
Les développeurs peuvent désormais intégrer à leurs applications une transcription en direct qui identifie les voix, ce qui facilite le suivi des réunions et des podcasts.
