Nvidia Nemotron 3.5 меняет правила игры в распознавании и переводе речи

Nvidia представляет Nemotron 3.5 — новый стандарт в распознавании речи

Технологический гигант Nvidia выпустил модель Nemotron 3.5 Transcribe, способную распознавать речь на 40 языках и переводить между 31 языком и английским. Модель умеет различать до восьми говорящих и обрабатывать аудиозаписи длительностью до часа.

Широкий спектр применения — от деловых встреч до медицины

Nemotron 3.5 ориентирована на бизнес- и медицинские транскрипции. Nvidia предлагает пользователям возможность настраивать модель под отраслевую терминологию, что повышает точность распознавания в профессиональных сферах. Модель с открытым исходным кодом позволяет адаптировать её под конкретные задачи.

Технические характеристики и конкурентные преимущества

Модель содержит 30 миллиардов параметров и работает на чипах Jetson AGX Thor, DGX Spark и Blackwell datacenter. Это обеспечивает эффективное выполнение сложных задач распознавания речи с высокой вычислительной нагрузкой. Nemotron 3.5 лидирует в рейтинге Hugging Face Open ASR Leaderboard, подтверждая своё превосходство в отрасли.

Новые игроки и тренды на рынке голосовых технологий

Параллельно с Nvidia на рынке появились модели Mistral Voxtral 3, ElevenLabs Realtime и Salesforce Launa-Omni. Также вышла вторая версия открытого речевого датасета Granary, что расширяет возможности исследователей и разработчиков.

Влияние на пользователей и перспективы развития

Nemotron 3.5 открывает новые горизонты в распознавании и переводе речи, ускоряя и улучшая процессы в бизнесе и медицине. Эта технология помогает людям эффективнее общаться и быстрее получать информацию. Обновление Nvidia задаёт вектор развития для будущих голосовых решений.