Nvidia представила Nemotron 3.5 Transcribe — модель с открытыми весами для распознавания речи, перевода и анализа аудиозаписей. Система поддерживает 40 языков, в том числе русский, и может обрабатывать аудио длительностью до одного часа.
Вместе с моделью компания выпустила набор данных для обучения и инструменты для адаптации системы к специализированным задачам. Открытые веса позволяют разработчикам использовать модель и настраивать её для собственных сценариев.
Релиз расширяет набор доступных инструментов Nvidia для работы с аудио на разных языках. Практическая значимость модели будет зависеть от её точности и результатов применения в конкретных задачах.