NVIDIA 新轉錄模型登場 可用提示詞引導

NVIDIA 發布 Nemotron 3.5 Transcribe 與 Granary v2，這兩款多語轉錄模型的共同重點，是讓開發者對語音轉文字流程有更多掌控權。模型可以用提示詞引導，也就是使用者能先給情境、專有名詞或格式指示，而不是只丟給模型跑一次通用轉錄。對於準確度高度依賴領域知識的應用來說，這個差別不小，例如法律、醫療、技術領域，或是多語客服錄音。 提示詞引導的好處，在於模型比較能處理人名、縮寫、產品術語，以及團隊偏好的輸出樣式。舉例來說，處理特殊音檔的團隊可以事先告訴模型這段內容大概是什麼、逐字稿該怎麼組織。目標不只是逐字對應，而是產出更有用、能直接餵給翻譯、搜尋、摘要或後續分析的文字。NVIDIA 表示，這次更新是針對需要跨語言準確度與控制力的開發者，用來打造轉錄、翻譯與音訊分析應用。 Granary v2 與 Nemotron 3.5 Transcribe 也加入了一個持續壯大的開放、易取得語音模型生態。這件事之所以重要，是因為很多團隊希望自行微調、自己架設，或把轉錄整進自家流程，而不是完全依賴封閉式 API。但提示詞引導的系統也帶來新的評估問題：團隊得確認提示詞是否真的讓結果更穩定、模型面對口音與吵雜音訊的表現如何，以及跨語言時水準能不能維持。 實務上的機會落在專門化的工作流程。通用逐字稿往往只是起點，真正的價值在於輸出乾淨、術語正確、方便自動化處理。NVIDIA 這次更新也顯示，語音 AI 的競爭正往「可控性」與「貼合領域」移動，不再只是比誰的原始轉錄準確率高。開發者在下決定前，還是要先拿自家音檔實測一輪。