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

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

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 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 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

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

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

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 s2 s5 s7

Если нужна расшифровка на обычном компьютере прямо сейчас, начните с инструкции для Windows и Whisper, а не с серверного примера NVIDIA. Это другое решение и другая модель. s1

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