🎙️ АУДИО БОЛЬШЕ НЕ ХАОС Часовой созвон можно превратить в аккуратный текст с именами говорящих и таймингами. А потом спросить у записи: «О чём вообще договорились?» 🧠 ЧТО СЛУЧИЛОСЬ? • 🧠 Это новая модель NVIDIA NVIDIA выложила NVIDIA Nemotron 3.5 Transcribe — open-source модель для распознавания речи. Она переводит аудио в текст и рассчитана на локальный запуск.
• 🌍 Из коробки — 40 языков Среди них русский. Модель умеет работать с диаризацией, таймингами и очисткой речи от лишних слов.
• 👥 Она различает спикеров На встрече с десятью участниками модель отмечает, кто говорит, тегами вроде , и дальше.
• ⏱️ Слова привязаны ко времени Каждая фраза получает временную метку. Это удобно для субтитров, монтажа и поиска цитат.
• 💬 Аудио можно не только расшифровать Модель отвечает на вопросы по записи и переводит её на английский. За один проход она обрабатывает файл до 60 минут. 🔥 ЧТО МЕНЯЕТСЯ? ▸ Часовой файл не нужно дробить Подкаст, вебинар или созвон можно прогнать одним куском — в пределах заявленного лимита. Меньше ручной возни с файлами ⏱️
▸ Стенограмма сразу знает, кто говорил Текст не превращается в кашу из реплик. Рядом остаются и спикер, и момент записи — искать нужную фразу проще 🎯
▸ Смысл можно отделить от словесного мусора По описанию, модель умеет убрать «эээ» и оговорки или оставить запись дословной. Для обычного текста и протокола нужны разные режимы 📝
▸ Скорость рассчитана на большие объёмы На RTX PRO 6000 Blackwell заявлена обработка 2238 секунд аудио за секунду. Час записи в таком темпе заканчивается раньше, чем успевает остыть кофе 🚀
▸ Модель можно подстроить под свою речь Открытые веса дают возможность дообучить её под сленг, медицинские термины или юридический жаргон. Универсальный костюм можно перешить под конкретную команду 🔧 💼 КАК ИЗВЛЕЧЬ ПОЛЬЗУ? ▸ Подкаст превращается в набор материалов Потенциальный сценарий: загрузить запись, получить текст с таймингами, а потом использовать его для описания выпуска и цитат в соцсетях 🎙️
▸ Звонки поддержки можно искать по темам Потенциальный сценарий: расшифровать разговоры, найти повторяющиеся жалобы и отобрать записи для дальнейшего анализа 📞
▸ Архивы становятся поисковыми Потенциальный сценарий: превратить старые радиоэфиры и аудиозаписи в текстовый индекс, чтобы быстро находить факты и цитаты 🗄️
▸ Вебинары легче переводить Потенциальный сценарий: расшифровать запись, перевести текст на английский и собрать субтитры по готовым временным меткам 🌐
▸ Длинные записи всё равно придётся делить Один файл ограничен 60 минутами. Для локального запуска доступны варианты через vLLM, Transformers и GGML — но подходящую инфраструктуру всё равно нужно подготовить 💻 🔹🔹🔹🔹🔹🔹 🏆 Хочешь ТГ КАНАЛ, который сам наполняется контентом? 📈 Получи его на Практикуме! 🤖 У нас тут огромная библиотека Промтов и Скиллов #новости #news #нейросети #ии
В этом посте были ссылки, но мы их удалили по правилам Сетки
