AI Radar — лента🧠 Nvidia открыла модель для расшифровки аудио
Nvidia выпустила Nemotron 3.5 Transcribe: модель бесплатна, поддерживает 40 языков и умеет различать до 8 говорящих.
Возможности. Модель на 30 млрд параметров расшифровывает аудиозаписи длиной до 1 часа. По заявлению Nvidia, она также переводит на английский и с английского на 31 языке. Nemotron 3.5 Transcribe можно настраивать вместе с Granary и NeMo Speech, чтобы учить систему отраслевому жаргону.
Открытые данные. Nvidia обновила набор речевых данных Granary до второй версии. Вместе с новой моделью это даёт разработчикам основу для систем распознавания речи: от приложений для деловых встреч до медицинской транскрибации.
Где запускать. По словам Nvidia, модель работает на одном чипе на разном оборудовании: Jetson AGX Thor, DGX Spark и ускорителях на архитектуре Blackwell. В списке также есть Parakeet — более компактная открытая модель на 1,1 млрд параметров.
Пока модель работает только с записанным аудио, прямые трансляции не поддерживаются. Nvidia также называет её превосходящей конкурентов, но не приводит конкретных результатов тестов.
Что это значит: разработчики получили крупную модель с открытыми весами, которую можно адаптировать под свои языки и запускать на разных системах Nvidia.
Оригинальная публикация в Telegram