Nvidia выпустила открытую модель для обработки записанных разговоров

Nvidia опубликовала Nemotron 3.5 Transcribe и набор Granary v2 примерно с 844 тысячами часов речи на 48 языках. Модель объединяет расшифровку, перевод и разделение реплик по говорящим; разработчикам доступны инструменты настройки под профессиональную лексику.

Для рабочих задач существенно ограничение: модель обрабатывает готовые записи, а не прямой эфир. Поддержка функций зависит от языка. В показанном Nvidia медицинском эксперименте дополнительное обучение улучшило профильный результат, но немного ухудшило точность на обычной английской речи. Поэтому переносить результат такого теста на все задачи нельзя.

Разбираем возможности модели, условия тестов и ограничения для рабочих записей: https://ai-digest.ru/go/finbazar/4466/