Nvidia выпустила открытую ИИ-модель для расшифровки речи на 40 языках

Nvidia представила ИИ-модель Nemotron 3.5 Transcribe, которая преобразует аудиозаписи в текст и поддерживает 40 языков, включая русский. Компания опубликовала веса модели, чтобы разработчики могли использовать и адаптировать ее для своих задач.

Система способна обрабатывать записи продолжительностью до часа, распознавать разных участников разговора и отмечать время произнесения отдельных слов. По инструкции пользователя она может подготовить дословную расшифровку или текст с более удобным письменным оформлением. Модель также поддерживает перевод речи с русского на английский и обратно.

По данным Nvidia, Nemotron 3.5 Transcribe может работать с уже записанным аудио без подключения к интернету. Компания предлагает использовать ее, в частности, для расшифровки встреч и интервью, создания инструментов перевода и обработки обращений в службы поддержки.