🚀 Nvidia выпустила открытую модель транскрипции Nemotron 3.5 для 40 языков Nvidia выпустила open-weight модель Nemotron 3.5 Transcribe на 30 млрд параметров: распознаёт аудио до часа, различает до восьми спикеров и пишет текст на 40 языках. Отдельно модель переводит 31 язык в английский и обратно. Вместе с ней вышла вторая версия датасета Granary — открытые речевые данные для обучения и адаптации. По данным TechCrunch, Nvidia называет модель лидером Open ASR Leaderboard на Hugging Face. Разработчики, которые собирают расшифровку встреч или медицинскую транскрипцию, получают локальный инференс: модель обещают запустить на одном чипе — от Jetson AGX Thor и DGX Spark до Blackwell. Открытые веса меняют расчёт: 30B на собственной машине может выйти дешевле облачного ASR-API, если не считать работу с дообучением под отраслевой жаргон. Под это Nvidia и предлагает Granary + NeMo Speech. Ограничение явное: модель работает только с записями, не с прямыми трансляциями. Для realtime-агентов вроде ElevenLabs Realtime, Voxtral 3 или Salesforce Launa-Omni она не конкурент. Зато рядом в линейке Parakeet на 1.1B параметров — маленькая и быстрая, под стриминговые сценарии. Главный удар не по качеству распознавания, а по цене минуты аудио: бесплатные открытые веса на локальном чипе задают потолок для облачных ASR-API. Вопрос в том, потянет ли Jetson реальный 30B без серьёзной квантизации или «один чип» на практике означает только DGX Spark и выше. #Nvidia #Nemotron #ASR #openweight #Granary