Hugging Face 发布了 Transformers v5.18.0。此次更新加入 Nemotron 3 Diarization，这是一款开放权重模型，可识别实时或离线音频中“谁在何时说话”。它最多支持八位说话人，开发者还可以选择 80 ms 至 30.4 秒的延迟。
此次发布还加入了多模态模型 NemotronH Omni 和 HyperCLOVAX Vision V2，并修复了一系列问题、优化了性能。
为什么重要
开发者现在可以在应用中加入实时说话人标注转录，让会议和播客更容易听懂。
Transformers 5.18.0 新增流式说话人分离模型
Hugging Face 发布新版本，加入 Nemotron 3 Diarization，可为实时音频中的最多八位说话人标注身份。
简讯OossaOossa 发布日期: 1 分钟阅读
来源与参考
1 个来源最后更新: ·Markdown
继续阅读
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。