NVIDIA выпустила транскрибатор, который умеет чуть больше, чем просто переводить речь в текст Nemotron 3.5 Transcribe - открытая модель для работы с аудио на 40 языках, включая русский.

Что умеет: 1 Расшифровывать записи до часа, разделять по спикерам и ставить таймкоды. 2 Переводить речь и учитывать заданные термины, имена и названия. 3 Отвечать на вопросы по записи (пока нормально протестировано только на английском).

На русском 3,8% ошибок распознавания. Для сравнения, у whisper (который стоит в plaud и большинстве продуктов) на этом же датасете около 3,1%.

Самое интересное, что есть открытые веса. Можно развернуть у себя и не отправлять рабочие созвоны в чужое облако 👩‍🍳

Правда, для полной версии рекомендуют достаточно мощное железо. Не самая дешёвая игрушка

Хочется потестить на созвонах, особенно где все перебивают друг друга и половина разговора на русском, а половина на айтишном. Там и человеку-то трудно разобрать)