Nvidia выпустила открытую модель Nemotron 3.5 Transcribe, способную транскрибировать, переводить и распознавать говорящих.
Кратко:
- ●Nvidia представила Nemotron 3.5 Transcribe.
- ●Модель объединяет транскрипцию, перевод и распознавание говорящих.
- ●Поддерживает до 40 языков и работает на одной GPU.
- ●Почему важно: Новая модель упрощает обработку аудиоданных и их адаптацию.
28 октября 2026 года Nvidia выпустила новую открытую модель Nemotron 3.5 Transcribe, объединившую транскрипцию, перевод и распознавание говорящих. Она может обрабатывать до 40 языков, а также распознавать говорящих на 13 языках.
Характеристики модели
Nemotron 3.5 Transcribe имеет объём в 30 миллиардов параметров, из которых активно только около 4 миллиардов на каждом шаге. Это позволяет запускать её на одной графической карте, что делает её доступной для более широкого круга пользователей. Модель транскрибирует до 40 языков, переводит 31 язык и распознаёт говорящих на 13 языках.
Результаты на бенчмарках
На Hugging Face Open ASR Leaderboard модель лидирует среди открытых решений с средним WER 5,33%. Она также показала отличные результаты в задачах распознавания говорящих, например, на VoiceArena.
Данные и инструменты
Nvidia выпустила сопутствующий датасет Granary v2, содержащий около 844,000 часов аудио на 48 языках. Компания также предоставила инструменты для переобучения модели на узконаправленных данных, что позволяет значительно улучшить её точность.
Ограничения
Хотя модель демонстрирует впечатляющие результаты, её функции варьируются по качеству в зависимости от языка. Кроме того, она предназначена для обработки записанного аудио, а не для работы в реальном времени.
Релизы на Hugging Face
Модель, датасет и инструменты для тонкой настройки доступны на платформе Hugging Face.
Что это значит
Выпуск Nemotron 3.5 Transcribe знаменует собой важный шаг вперёд в области обработки аудиоданных. Модель обеспечивает высокую эффективность и конкурентоспособность, а также предлагает обширные возможности для адаптации. Она открывает новые перспективы для разработчиков и исследователей, работающих с мультиязычными данными.
Частые вопросы
Что такое Nemotron 3.5 Transcribe?
▾
Это открытая речь модель от Nvidia, способная транскрибировать, переводить и распознавать говорящих.
Какие языки поддерживает модель?
▾
Модель поддерживает транскрипцию на 40 языках, перевод на 31 язык и распознавание говорящих на 13 языках.
Каковы основные преимущества модели?
▾
Она работает на одной GPU и требует лишь шестую часть активных параметров по сравнению с конкурентами.
Где можно найти модель и инструменты для её использования?
▾
Модель и инструменты доступны на платформе Hugging Face.
