Hugging Face har släppt Transformers v5.18.0. Uppdateringen innehåller Nemotron 3 Diarization, en modell med öppna vikter som kan avgöra ”vem som talade när” i ljud i realtid eller i efterhand. Den hanterar upp till åtta talare och låter utvecklare välja en fördröjning på mellan 80 ms och 30.4 sekunder.
Versionen innehåller också de multimodala modellerna NemotronH Omni och HyperCLOVAX Vision V2, samt en rad buggfixar och prestandaförbättringar.
Varför det spelar roll
Utvecklare kan nu lägga till direktsänd transkribering med talarmärkning i appar, vilket gör möten och poddar lättare att följa.
