Компания Nvidia опубликовала новую версию модели Nemotron 3.5 Transcribe, предназначенной для автоматической транскрибации аудиозаписей. Инструмент доступен бесплатно и имеет открытый вес, что позволяет разработчикам свободно интегрировать его в свои продукты. Параллельно была выпущена вторая версия открытого датасета речи Granary, который используется для обучения подобных систем.

Модель способна обрабатывать аудиофайлы длительностью до одного часа и различать голоса до восьми разных собеседников в одной записи. Кроме прямой транскрибации, система поддерживает перевод текстов между английским языком и еще 31 другим языком. По заявлениям производителя, новая разработка демонстрирует лучшие результаты по сравнению с аналогами в тестах Hugging Face’s Open ASR Leaderboard.

Разработчики могут использовать инструмент для создания приложений, ориентированных на деловые встречи и медицинскую документацию. Для адаптации под конкретные задачи предлагается комбинация модели Nemotron 3.5 Transcribe, обновленного датасета Granary и набора инструментов NeMo Speech. Это позволяет настроить распознавание специфической терминологии для различных отраслей. При этом текущая версия работает только с предварительно записанными файлами и не поддерживает обработку потокового аудио в реальном времени.

Архитектура модели включает 30 миллиардов параметров, что позволяет запускать её на одном вычислительном чипе. Совместимость обеспечена с широким спектром оборудования: от контроллеров робототехники Jetson AGX Thor и процессоров DGX Spark в новых ноутбуках до серверных решений Blackwell в дата-центрах. Это дополнение к линейке открытых голосовых моделей Nvidia, куда также входит компактная модель Parakeet объемом 1,1 миллиарда параметров.

Выпуск состоялся на фоне активного развития рынка голосового искусственного интеллекта. В последнее время другие технологические компании также анонсировали новые решения в этой сфере: Mistral представила Voxtral 3, ElevenLabs запустила сервис Realtime для мгновенного синтеза речи в голосовых агентах, а Salesforce вывела на рынок модель Launa-Omni.