Nvidia выпустила Nemotron-3.5-Transcribe-30B-A4B - открытую модель для распознавания и понимания речи на 40 языках, включая русский Модель принимает аудио вместе с текстовой инструкцией и может делать транскрипцию, перевод, разметку по спикерам и отвечать на вопросы по содержанию записи. Обрабатывает записи длительностью до часа. По качеству распознавания на английском и в среднем по языкам ошибка держится на уровне около 4.6-4.7%, что сопоставимо с лучшими моделями на рынке. Веса выложены на Hugging Face, GitHub и в NGC-регистре Nvidia. https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B @ppprompt