Nvidia представила модель Nemotron 3.5 Transcribe, которая расшифровывает речь на 40 языках, включая русский. Компания опубликовала веса модели и техническое описание, чтобы разработчики могли использовать ее в собственных продуктах.
Модель работает с аудиозаписями продолжительностью до одного часа, может определять участников разговора и проставлять временные метки отдельных слов. По текстовой инструкции она делает дословную расшифровку либо приводит речь к более удобному для чтения письменному виду.
Nemotron 3.5 Transcribe также распознает язык записи и поддерживает перевод речи. Разработчики могут адаптировать систему к профессиональной терминологии и выбирать формат результата под задачу.
Речь идет об обработке готовых записей, а не потоковом распознавании в реальном времени. Nvidia называет среди сценариев расшифровку встреч и интервью, а также анализ обращений в поддержку. Для самостоятельного запуска нужны подходящее оборудование и техническая настройка.
по цене одного
Безопасный мессенджер для работы без рекламы. Чаты, видеозвонки, голосовые сообщения и встроенный AI-помощник.