NVIDIA выпустила Nemotron 3.5 Transcribe — бесплатную модель с открытыми весами для распознавания речи на 40 языках. Одновременно вышла вторая версия открытого набора речевых данных Granary.
Модель поддерживает перевод с 31 языка на английский и обратно, обрабатывает записи продолжительностью до часа и различает до восьми говорящих.
Сама модель предназначена для разработчиков приложений, в том числе для расшифровки деловых встреч и медицинских записей. По словам NVIDIA, вместе с Granary и инструментами NeMo Speech её можно адаптировать к отраслевой терминологии на разных языках.
Nemotron 3.5 Transcribe содержит 30 млрд параметров и, по заявлению компании, может работать на одном чипе. Среди поддерживаемых решений названы Jetson AGX Thor, DGX Spark и серверные чипы Blackwell.
Компания также заявляет о превосходстве над конкурентами в тестах, включая Open ASR Leaderboard на Hugging Face. Transcribe работает только с записанным аудио: распознавание прямых трансляций не поддерживается.
