ИИ 28 октября 2026, 18:00 МСК

Nvidia выпустила открытую модель транскрибации Nemotron 3.5 Transcribe

Nvidia представила бесплатную open-weight модель Nemotron 3.5 Transcribe, расшифровывающую аудио на 40 языках, и вторую версию набора речевых данных Granary.

По данным Nvidia, модель переводит 31 язык на английский и обратно, обрабатывает записи длиной до часа и различает до восьми говорящих. Компания заявляет, что модель превосходит конкурентов в тестах, включая Open ASR Leaderboard от Hugging Face.

Инструмент нацелен на разработчиков приложений для деловых встреч и медицинской транскрибации. С помощью Granary и NeMo Speech можно адаптировать приложения под профессиональную лексику. Ограничение: модель работает с записями, а не с живым потоком.

Модель на 30 млрд параметров, по заявлению Nvidia, запускается на одном чипе — от Jetson AGX Thor и DGX Spark до Blackwell. Выпуск совпал с волной голосовых релизов: Mistral выпустила Voxtral 3, ElevenLabs — Realtime, Salesforce — Launa-Omni.

• 40 языков, перевод 31 языка с английским и обратно
• До восьми говорящих, записи до часа
• 30 млрд параметров