NVIDIA משחררת כ-open-source את Nemotron 3.5 Transcribe ו-463,000 שעות דיבור ב-Granary v2

מודל הדיבור ש-NVIDIA השיקה ניתן להנחיה באמצעות prompt ולהתאמה. הוא מטפל בתמלול, בזיהוי דוברים (diarization) של עד 8 משתתפים, בתרגום בין 31 שפות ובמענה על שאלות לגבי קטעי אודיו, עם חלון הקשר של 64k. המודל משוחרר תחת רישיון OpenMDW-1.1.

אפשר לטעון שהמתנה הגדולה יותר היא דווקא Granary v2: מאגר דיבור ציבורי ומסונן של 463,062 שעות שמכסה 48 שפות. עבור מי שבונה מערכות דיבור בשפות שאין להן מספיק נתונים, זה משאב משמעותי.

המודל מגיע גם למחשבים הניידים של RTX Spark, ומתחרה ישירות ב-Voxtral של Mistral, שמדורג במקום השני בטבלת ה-diarization של Voice Arena. מה לעקוב אחריו: תוצאות עצמאיות של שיעור שגיאות המילים (WER) בשפות עם מעט נתונים.