O Hugging Face lançou o Transformers v5.18.0. A atualização inclui o Nemotron 3 Diarization, um modelo de pesos abertos capaz de identificar “quem falou e quando” em áudios em tempo real ou gravados. Ele funciona com até oito falantes e permite escolher uma latência de 80 ms a 30.4 segundos.
A versão também traz os modelos multimodais NemotronH Omni e HyperCLOVAX Vision V2, além de diversas correções de bugs e melhorias de desempenho.
Por que importa
Agora, desenvolvedores podem adicionar a aplicativos transcrições ao vivo com identificação de falantes, facilitando o acompanhamento de reuniões e podcasts.
