NVIDIA выпустила ИИ-модель для распознавания речи на 40 языках, включая русский

Компания NVIDIA представила Nemotron 3.5 Transcribe - новую модель искусственного интеллекта, предназначенную для распознавания, расшифровки и перевода речи. Одной из главных особенностей разработки стала поддержка 40 языков, среди которых присутствует и русский. Кроме обычного преобразования аудио в текст, модель поддерживает перевод речи с 31 языка на английский и в обратном направлении. Также предусмотрена функция определения разных говорящих. Она доступна для 13 языков и позволяет разделять реплики участников разговора. Это особенно полезно при обработке интервью, совещаний и подкастов, в которых участвуют несколько человек. Ещё одна интересная возможность заключается в настройке формата расшифровки. Пользователь может задавать обычные текстовые инструкции, определяя, каким образом должна быть представлена информация. Например, можно запросить структурированную расшифровку беседы или оформление текста под определённую задачу. При этом Nemotron 3.5 Transcribe способна обрабатывать аудиозаписи продолжительностью до одного часа. NVIDIA распространяет модель с открытыми весами, что позволяет разработчикам адаптировать её под собственные приложения и сервисы. Такие технологии могут оказаться востребованными в журналистике, образовании, корпоративных коммуникациях и сервисах автоматической обработки аудио. Особенно интересна возможность объединить распознавание речи, перевод и настройку результата в одном инструменте. Впрочем, реальная точность работы на разных языках и качество разделения говорящих потребуют отдельной практической проверки. А вы бы доверили искусственному интеллекту расшифровку важного интервью или предпочли самостоятельно проверять каждую реплику? Оперативнее всего новости появляются у нас в Telegram и MAX: Telegram: MAX: