Nvidia утверждает, что Nemotron 3.5 может переводить 31 язык на английский и с английского, обрабатывать записи продолжительностью до часа и различать до восьми говорящих. Компания заявляет, что модель превосходит конкурентов по показателям производительности, в том числе в рейтинге Open ASR Leaderboard от Hugging Face.
Эти инструменты предназначены для разработчиков, создающих приложения для деловых встреч и медицинской транскрипции — двух наиболее устоявшихся направлений применения ИИ на рабочем месте. Nvidia заявляет, что разработчики могут использовать модель, обновленный набор данных Granary и такие инструменты, как модель NeMo Speech, для настройки приложений, чтобы они распознавали отраслевую терминологию на каждом языке. Один недостаток: Transcribe работает с записанным аудио, а не с прямыми трансляциями.
Тем не менее, компания обещает, что Transcribe с 30 миллиардами параметров может работать на одном чипе — от контроллера робототехники Jetson AGX Thor и чипа DGX Spark, питающего новые ноутбуки, до чипов для дата-центров Blackwell. Модель пополняет линейку открытых голосовых моделей Nvidia, включая очень маленькую, но мощную Parakeet (1,1 миллиарда параметров).
Последнее голосовое решение Nvidia выходит на рынок в период активного выпуска ИИ-продуктов для работы с голосом: Mistral ранее в этом месяце выпустила Voxtral 3; ElevenLabs запустила Realtime для мгновенной речи в голосовых агентах; а Salesforce представила Launa-Omni — свою голосовую модель.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Julie Bort
