NVIDIA выпустила мощную ИИ-модель для расшифровки аудио на 40 языках, включая русский

Nemotron 3.5 Transcribe умеет обрабатывать записи длиной до часа, различать собеседников, даже когда все болтают одновременно, расставлять временные метки для каждого слова и переводить речь. А ещё можно обычным текстовым запросом попросить ее убрать слова-паразиты или ответить на вопросы по содержанию записи.

По тестам NVIDIA, новинка обходит другие модели с открытыми весами в распознавании и многоязычных аудио.

Уже лежит на HF — забираем

@xor_journal