NVIDIA выкатилa монстра для расшифровки аудио на 40 языках — моделька Nemotron 3.5 Transcribe умеет разбирать записи длиной до часа и превращать их в текст. Среди фишек: 🙂 Распознаёт речь нескольких собеседников, даже если они говорят одновременно. 🙂 Расставляет временные метки для каждого слова и переводит речь. 🙂 По текстовому запросу убирает слова-паразиты или отвечает на вопросы по содержанию записи. ИИшка уже обходит конкурентов с открытыми весами в распознавании речи и работе с многоязычным аудио. Русский тоже в списке. Забираем бесплатно на Hugging Face 😮