Голосовой ИИ на пике популярности: Nvidia выпустила новую открытую модель транскрипции
techcrunch ·
Nvidia выпустила Nemotron 3.5 Transcribe — бесплатную модель с открытыми весами для аудио-транскрипции на 40 языках. Этот релиз совпал с запуском версии 2 платформы Granary, набора данных для распознавания речи с открытым исходным кодом, который помогает разработчикам адаптировать приложения под отраслевую терминологию. Модель поддерживает перевод 31 языка туда и обратно на английский, обработку записей длительностью до одного часа и различение восьми говорящих. Nvidia утверждает, что Nemotron 3.5 превосходит конкурентов в таких бенчмарках, как Open ASR Leaderboard от Hugging Face. Хотя пока поддерживается только предварительно записанное аудио, а не потоковая передача, модель с 30 миллиардами параметров оптимизирована для эффективной работы на разном оборудовании — от отдельных чипов до серверов дата-центров. Этот запуск позиционирует Nvidia в конкурентной среде, где недавно появились продукты от Mistral, ElevenLabs и Salesforce. Инструменты в первую очередь ориентированы на разработчиков, создающих решения для деловых встреч и медицинской транскрипции.
techcrunch