NVIDIA выпустила Nemotron 3.5 Transcribe — речевую модель, управляемую промптом
NVIDIA опубликовала Nemotron 3.5 Transcribe 28 октября 2026 года под OpenMDW-1.1: 40 языков, метки говорящих, перевод и управляемый промптом стиль транскрипта для записей до часа.
NVIDIA выпустила Nemotron 3.5 Transcribe 28 октября 2026 года под разрешающей лицензией OpenMDW-1.1. Вместе с моделью опубликованы набор инструментов для файнтюнинга в NeMo Speech и версия 2 речевого датасета Granary.
Что нового
- Одна модель — много задач. Речевой энкодер и модель диаризации, определяющая, кто и когда говорил, питают языковую модель со смесью экспертов. Она выполняет транскрипцию, перевод речи, транскрипты с привязкой к говорящему, определение языка и ответы на вопросы по аудио, а также может возвращать таймкоды на уровне слов.
- Размер. В карточке модели — около 34 млрд параметров суммарно и 4,3 млрд активных, включая аудиоэнкодер.
- Покрытие. Поддерживается 40 языков: перевод с английского или на английский для 31 из них, привязка к говорящему — для 13; записи до одного часа и до восьми говорящих.
- Управляемый стиль. Нужный транскрипт описывается текстовой инструкцией — например, дословный текст или числа в письменной форме, — либо передаётся список ожидаемых имён и терминов.
- Только офлайн. Обрабатывает готовые записи. Это не распознаватель живого потока.
NVIDIA сообщает среднюю частоту ошибок в словах (WER) 4,71 % на англоязычном Open ASR Leaderboard и 4,62 % на многоязычном. Это измерения самого разработчика — проверяйте модель на своём аудио.
Запуск
Веса BF16 весят около 68 ГБ, версия FP8 — около 35 ГБ, NVFP4 — около 22 ГБ. Карточка модели называет целевой конфигурацией развёртывания одну H100 на 80 ГБ, а GGUF-файлы доступны для NeMo-Speech.cpp от NVIDIA. Это намного тяжелее Whisper large-v3-turbo, которому нужно около 6 ГБ. Наше сравнение бок о бок показывает, когда дополнительный размер оправдан, а на странице речевых моделей перечислены альтернативы.
Лицензия
OpenMDW-1.1 — короткая разрешающая лицензия, написанная для моделей машинного обучения. Она позволяет использовать, изменять, распространять и продавать модель и не ограничивает её выводы. При повторном распространении нужно сохранять текст лицензии и уведомления о происхождении; Open Source Initiative лицензию не одобряла. Сравнение с Apache 2.0 и MIT — в статье Лицензии ИИ простым языком.
Источники
- NVIDIA Research: Nemotron 3.5 Transcribe (28 Oct 2026) research.nvidia.com
- Nemotron 3.5 Transcribe model card (Hugging Face) huggingface.co
- Hugging Face blog: Nemotron 3.5 Transcribe and Granary v2 huggingface.co
Модели в этом материале
| Модель | Дата выпуска | Параметры | Контекст | Лицензия | Память минимального варианта |
|---|---|---|---|---|---|
| Nemotron 3.5 Transcribe EN NVIDIA | 34B 4.3B активных | 64K | OpenMDW-1.1 (Пермиссивная) | 25 GB Игровая видеокарта |