ЧР

Чат Рунета

Медиа и блоги · 29 октября 2026 г.

Открыть канал в MAX

🎤 Nvidia выпустила open-source модель для распознавания речи, которая обходит закрытые...

🎤 Nvidia выпустила open-source модель для распознавания речи, которая обходит закрытые аналоги Nvidia представила Nemotron 3.5 Transcribe — нейросеть для работы с аудио, веса которой доступны всем. Модель распознаёт речь на 40 языках (включая русский), переводит с 31 языка на английский и обратно, идентифицирует до восьми говорящих одновременно — даже когда они перебивают друг друга. Можно дать текстовую инструкцию и получить расшифровку с указанием реплик, перевод, краткое изложение решений или ответы на вопросы по содержанию записи. При 30 млрд параметров в обработке каждого фрагмента участвуют только 4 млрд — поэтому модель умещается на одной видеокарте. На RTX PRO 6000 Blackwell она обрабатывает 100 часов аудио меньше чем за три минуты. В Open ASR Leaderboard заняла первое место среди open-source моделей с долей ошибок 5,33%. В тесте VoiceArena на записях с одновременной речью нескольких участников пропустила 8,32% слов против медианы 31% у конкурентов. Вместе с моделью Nvidia опубликовала датасет Granary v2 — 844 тысячи часов речи на 48 языках — и инструменты для дообучения под специализированные задачи. При адаптации к медицинским записям с индийскими врачами частота ошибок упала с 30,8% до 11,8%. Всё доступно на Hugging Face с демо-версией и гайдом по fine-tuning. Nvidia ставит новую планку для открытых голосовых моделей — и делает их доступными для запуска на одном GPU. 💥 Как всегда - модель будет доступна на нашем сервисе в ближайшее время . 📡 Мгновенные новости — в нашем Telegram-канале