Hugging Face ने Transformers v5.18.0 जारी किया। इस अपडेट में Nemotron 3 Diarization शामिल है—एक ओपन-वेट मॉडल, जो रीयल-टाइम या रिकॉर्ड किए गए ऑडियो में बता सकता है कि “किसने कब बात की।” यह अधिकतम आठ वक्ताओं के साथ काम करता है और डेवलपर 80 ms से 30.4 सेकंड तक की लेटेंसी चुन सकते हैं।
इस रिलीज़ में मल्टीमॉडल मॉडल NemotronH Omni और HyperCLOVAX Vision V2 भी शामिल हैं। साथ ही, कई बग ठीक किए गए हैं और प्रदर्शन में सुधार किए गए हैं।
यह क्यों मायने रखता है
डेवलपर अब ऐप्स में लाइव ट्रांसक्रिप्शन के साथ वक्ताओं के नाम जोड़ सकते हैं, जिससे मीटिंग और पॉडकास्ट को समझना आसान होगा।
