В среду Nvidia выпустила Немотрон 3.5 Tranpricter, бесплатную модель с открытым весом, которая транскриптирует аудио на до 40 языках. Также была выпущена версия 2 Granary, её набор речевых данных с открытым исходным кодом. Нвидия гордится тем, что Неметрон 3.5 может переводить 31 язык на английский и с английского, вести записи продолжительностью до часа и отличить до восьми ораторов. Он утверждает, что победил соперников на контрольных уровнях, включая Hagging Face, Open ASR Liderboard. Эти инструменты предназначены для разработчиков приложений к бизнес-совещанию и медицинской стенограмме, которые являются двумя из наиболее устоявшихся опор на рабочем месте. Nvidia говорит, что разработчики могут использовать модель, обновленный набор данных Granari и инструменты вроде модели речи NeMo для настройки приложений для распознавания промышленного жаргона на каждом языке. Один недостаток: транскрипция работает с записанным аудио, а не в прямом эфире. Тем не менее, компания обещает Tranpriter на 30 миллиардов параметров, может работать по одному чипу: от Getson AGX Tor robotoics контроллер и DGX Spark чип для питания новых ноутбуков до Blackwell datacent Center. Она присоединяется к моделям с открытым весом Nvidia/62/s, включая супер-малый и вместе с тем мощный Parkeet (1,1 млрд параметров). Последняя голосовая запись Nvidia/s происходит во время напряженного периода голосовой связи AI: Mistral отправила Voxtral 3 ранее в этом месяце; EvenLabs запустили в режиме реального времени…
Голос АИ в Vogue: Nvidia выпускает новую открытую модель транскрипции
Nvidia только что выпустила бесплатную модель, которая может транслировать до 40 языков, но она работает лишь на записях, а не в прямом эфире, так что это большой шаг для инструментов встречи и медицинской стенограммы, оставляя при этом использование в реальном времени соперникам как 11Labs.
