Nvidia представляет Nemotron 3.5 Transcribe: открытая модель транскрипции для многоязычного аудио

Image: TechCrunch · Source

Nvidia запускает Nemotron 3.5 Transcribe — бесплатную модель преобразования речи в текст с открытыми весами, поддерживающую до 40 языков и распознающую нескольких говорящих, оптимизированную для транскрипции записей в бизнесе и медицине.

28 октября 2026 года компания Nvidia анонсировала Nemotron 3.5 Transcribe — новую бесплатную модель преобразования речи в текст с открытыми весами, способную транскрибировать записи на до 40 языках. Вместе с моделью Nvidia выпустила вторую версию Granary — обновлённый открытый набор данных речи, направленный на улучшение качества транскрипции различных аудиозаписей.

Nemotron 3.5 может различать до восьми говорящих в записи и переводить 31 язык на английский и с английского. Модель поддерживает обработку записей длительностью до часа, ориентируясь прежде всего на разработчиков, создающих приложения для транскрипции бизнес-встреч и медицинских ситуаций — двух сфер, где технологии преобразования речи в текст на базе ИИ становятся всё более востребованными.

Ключевым преимуществом Nemotron 3.5 является превосходство над конкурентами в нескольких тестах на бенчмарках, включая Open ASR Leaderboard от Hugging Face. Nvidia подчёркивает гибкость модели для кастомизации через инструментарий NeMo Speech, позволяющий приложениям распознавать специализированный жаргон различных индустрий и языков.

Nemotron 3.5 известна своей эффективностью — несмотря на 30 миллиардов параметров, модель работает на одном чипе. Она совместима с разным оборудованием Nvidia, включая роботизированный контроллер Jetson AGX Thor, процессор DGX Spark из новых ноутбуков и дата-центровые процессоры Blackwell.

Однако Nemotron 3.5 разработана исключительно для записанного аудио и не поддерживает трансляции в реальном времени, оставляя такие кейсы другим поставщикам, например ElevenLabs. Инициатива Nvidia выходит на фоне общего всплеска выпусков технологий голосового ИИ, среди которых Voxtral 3 от Mistral, Realtime voice agents от ElevenLabs и голосовая модель Launa-Omni от Salesforce.

В целом, выпуск Nemotron 3.5 представляет собой существенный прогресс в доступных многоязычных технологиях транскрипции речи, ориентированных на офлайн и записанный аудиоконтент в профессиональной среде, что способствует дальнейшим инновациям в области голосовых инструментов с поддержкой ИИ.

Категория: Приложения Статус релиза: выпущен Дата выпуска: 2026-10-28 Название продукта: Nemotron 3.5 Transcribe