Hugging Face выпустила Transformers v5.18.0. В обновление вошла Nemotron 3 Diarization — модель с открытыми весами, которая определяет, «кто и когда говорил», в аудио в реальном времени и в записи. Она поддерживает до восьми говорящих, а разработчики могут выбирать задержку от 80 мс до 30.4 секунды.
В релиз также вошли мультимодальные модели NemotronH Omni и HyperCLOVAX Vision V2, а также ряд исправлений ошибок и улучшений производительности.
Почему это важно
Теперь разработчики могут добавлять в приложения транскрибацию с обозначением говорящих в реальном времени, чтобы участникам было проще следить за ходом встреч и подкастов.
