Nemotron 3.5 Transcribe: безкоштовна модель NVIDIA для записів на 40 мовах
Відкрита модель транскрибує записи до години, розрізняє до восьми мовців і перекладає 31 мову з англійської та на неї. Живе аудіо вона не обробляє.
28 жовтня NVIDIA випустила Nemotron 3.5 Transcribe, безкоштовну модель розпізнавання мовлення з відкритими вагами. Разом із нею вийшла друга версія мовного датасету Granary.
Що нового
- Мови: транскрипція до 40 мов.
- Переклад: за словами NVIDIA, 31 мова з англійської та на неї.
- Записи: до однієї години.
- Мовці: розрізняє до восьми людей.
- Розмір: 30 млрд параметрів, працює на одному чипі, від Jetson AGX Thor і DGX Spark до дата-центрових Blackwell.
NVIDIA заявляє, що модель випереджає конкурентів у тестах, зокрема в Open ASR Leaderboard від Hugging Face, але TechCrunch не наводить результатів. Серед цілей компанія називає ділові зустрічі й медичну транскрипцію.
Як спробувати
Модель лежить на Hugging Face. За допомогою оновленого Granary та інструментів NeMo Speech її можна донавчити на галузевій лексиці кожною мовою.
Обмеження
Модель працює лише із записами, а не з живим аудіо, тож для субтитрів наживо не підійде. Конкретну ліцензію в матеріалі не названо, як і перелік мов, тому підтримку української перевірте на сторінці моделі. Перш ніж планувати локальне розгортання, врахуйте вимоги до обладнання: це не легка модель для ноутбука.
Підготовлено за допомогою AI за відкритими джерелами.