# Nemotron 3.5 Transcribe: русская речь и участники разговора в локальной модели NVIDIA

Источник: https://modelium.tech/zhurnal/nemotron-3-5-transcribe-30b-a4b-local-russian/

NVIDIA выпустила Nemotron 3.5 Transcribe для расшифровки аудио, в том числе на русском, с разделением реплик по говорящим. Веса доступны, но первый документированный запуск рассчитан на Linux и серверную видеокарту; домашней инструкции пока нет.

28 октября NVIDIA представила Nemotron 3.5 Transcribe: модель, которая превращает аудиозапись в текст, различает участников разговора и поддерживает русский язык. Веса доступны для самостоятельного запуска, но это пока путь для инженера с серверной видеокартой, а не приложение для домашнего ПК. [s1](#src-s1) [s4](#src-s4)

## Что появилось и зачем это нужно

Модель рассчитана на расшифровку встреч, интервью и звонков. Кроме обычной транскрипции, разработчик описывает расстановку временных отметок, разделение реплик по говорящим и перевод речи. Метки говорящих различают голоса внутри файла, но **не устанавливают личности людей**. Русский есть в таблице поддерживаемых языков; это не обещание одинакового качества для каждой записи. [s1](#src-s1)

На Hugging Face опубликован один файл весов `model.safetensors` в формате BF16 — способе хранения чисел модели, а также конфигурация и текст лицензии. Название модели содержит «30B-A4B»; карточка отдельно приводит около 34 млрд параметров всего с учётом аудиоэнкодера и 4,3 млрд активных. Размер файла весов — не требование к оперативной или видеопамяти. [s1](#src-s1) [s6](#src-s6)

## Можно ли запустить её локально

Да, но первый задокументированный путь — Linux, программа для запуска моделей vLLM 0.32.0 и **текущая ветка NeMo Speech** с дополнением для этой модели. В примере NVIDIA использует H100 с 80 ГБ видеопамяти: это конфигурация примера, **не опубликованный минимум** и не обещание работы на домашнем компьютере. Дополнение зарегистрировано в открытом репозитории NeMo Speech; редакция Modelium не запускала модель и не измеряла расход памяти. [s1](#src-s1) [s3](#src-s3)

NVIDIA называет модель офлайн-решением: после получения файлов обработка может идти в собственной среде, но загрузка весов и зависимостей требует сети. Не путайте эту модель с прежними небольшими Nemotron ASR: одинаковое семейство названий не означает одинаковые требования к запуску. [s1](#src-s1)

## Насколько хороша расшифровка

По оценке самой NVIDIA, средняя ошибка распознавания английской речи на **девяти наборах Open ASR** составила 4,71% WER — долю ошибочных слов. Это авторская оценка в описанных условиях, **не замер на русском** и не независимый тест Modelium. Для собственной записи проверьте имена, цифры, разделение участников и пропуски вручную. [s1](#src-s1)

Карточка также показывает высокую скорость для оптимизированного серверного пакета NVIDIA (NIM) на RTX PRO 6000 Blackwell. NVIDIA прямо предупреждает, что часть этих оптимизаций **не вошла в открытый код**, поэтому переносить заявленную скорость на общедоступный vLLM нельзя. [s1](#src-s1)

## Что с правами и что делать читателю

Веса распространяются под **OpenMDW-1.1**, а код NeMo Speech — под **Apache-2.0**: это разные лицензии. Текст OpenMDW разрешает использование и распространение материалов при соблюдении условий, включая сохранение уведомлений при распространении; карточка отдельно допускает коммерческое использование. При работе с чужими записями нужны права и согласия на сами данные. [s1](#src-s1) [s2](#src-s2) [s5](#src-s5) [s7](#src-s7)

Если нужна расшифровка на обычном компьютере прямо сейчас, начните с [инструкции для Windows и Whisper](https://modelium.tech/zhurnal/zhivye-subtitry-whisper-windows/), а не с серверного примера NVIDIA. Это другое решение и другая модель. [s1](#src-s1)

*Источники проверены 28 октября 2026 года; ревизия весов и карточки *`*a188fff16*`*. Практический запуск редакция не воспроизводила.*

## Источники

1. [NVIDIA — карточка Nemotron 3.5 Transcribe](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B/blob/a188fff16c4f129a046788c2ad69e6198079a102/README.md) — получено 2026-10-28
2. [NVIDIA — OpenMDW-1.1 для модели](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B/blob/a188fff16c4f129a046788c2ad69e6198079a102/LICENSE) — получено 2026-10-28
3. [NeMo Speech — регистрация плагина и зависимость vLLM](https://github.com/NVIDIA-NeMo/Speech/blob/7b05f096d54db47078fd1569a54d1f3ba4a4c51f/pyproject.toml) — получено 2026-10-28
4. [История коммитов модели Hugging Face](https://huggingface.co/api/models/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B/commits/main) — получено 2026-10-28
5. [NVIDIA — уведомления о правах третьих лиц](https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B/blob/a188fff16c4f129a046788c2ad69e6198079a102/THIRD_PARTY_NOTICES.md) — получено 2026-10-28
6. [Манифест файлов модели на закреплённой ревизии](https://huggingface.co/api/models/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B/tree/a188fff16c4f129a046788c2ad69e6198079a102?recursive=true) — получено 2026-10-28
7. [NeMo Speech — лицензия исходного кода](https://github.com/NVIDIA-NeMo/Speech/blob/7b05f096d54db47078fd1569a54d1f3ba4a4c51f/LICENSE) — получено 2026-10-28