Nemotron 3.5 Transcribe: бесплатная модель для расшифровки аудио от NVIDIA

Коротко. 28 октября 2026 года NVIDIA выпустила Nemotron 3.5 Transcribe — открытую модель, которая переводит аудиозаписи в текст на 40 языках, включая русский. Она различает до восьми говорящих, умеет переводить речь и, по тестам самой NVIDIA, обходит другие открытые модели распознавания. Веса можно скачать бесплатно, но есть нюанс: для запуска нужна серьёзная видеокарта. Разбираем, что умеет модель и кому она реально пригодится.

Что произошло

NVIDIA опубликовала модель на Hugging Face, в GitHub и в своём каталоге build.nvidia.com. Вместе с ней вышла вторая версия Granary — открытого набора данных для обучения распознаванию речи: более 463 тысяч часов аудио на 48 языках против 25 языков в первой версии. О релизе написал TechCrunch, подробности — в карточке модели.

Модель построена по схеме «смеси экспертов»: всего в ней около 30 миллиардов параметров (в карточке с учётом аудиокодировщика — 34 млрд), но на каждом шаге работает только около 4 миллиардов. Поэтому она быстрая для своего размера.

Что умеет Nemotron 3.5 Transcribe

• Расшифровка на 40 языках. Русский входит в список и отнесён к высшей группе качества.
• Разметка по спикерам. Модель подписывает, кто говорит, — до восьми участников. Эта функция работает на 13 языках, русский среди них. Для записей совещаний, интервью и подкастов это главное отличие от простых распознавателей.
• Перевод. 31 язык переводится на английский и обратно прямо из аудио.
• Длинные записи. До часа за один проход.
• Смешанная речь. Понимает, когда говорящий переключается между языками посреди фразы.

По данным NVIDIA, на английских тестах Open ASR средняя доля ошибок в словах — 4,71% против 4,94% у ближайшей открытой модели Qwen3-ASR, на многоязычных — 4,62% против 6,49%. Это цифры самой компании, независимые замеры ещё впереди.

Ограничения

• Не для живого звука. Модель офлайновая: она расшифровывает готовые записи, а не звонки или трансляции в реальном времени.
• Нужно мощное железо. Базовая версия рассчитана на одну серверную видеокарту H100 с 80 ГБ памяти. Сжатые версии запускаются на RTX 5090, RTX PRO 6000, DGX Spark и других картах NVIDIA. На обычном ноутбуке модель не заработает.
• Нужен опыт. Готовой программы с кнопкой нет: запуск идёт через Linux или WSL2 и сервер vLLM.

Лицензия OpenMDW-1.1 разрешает и личное, и коммерческое использование. Так что главная аудитория — разработчики и компании, которые хотят расшифровывать записи на своих серверах, не отправляя их в чужое облако.

Как попробовать из России

Скачать веса с Hugging Face можно и из России. Если у вас есть подходящая видеокарта или арендованный GPU-сервер, модель запустится без подписок и оплаты. Если железа нет, для домашних задач проще взять модель полегче — например, Whisper, которая работает и на обычном компьютере. Все способы перевести запись в текст мы собрали в гайде «Аудио в текст», а если запись шумная, сначала пригодится статья как убрать шум из аудио.

Честно про Умку: Nemotron 3.5 Transcribe в Умке нет, и загружать аудиофайлы в чат Умки пока нельзя. Есть голосовой ввод — запрос до двух минут можно надиктовать, и текст сразу уйдёт нейросети. А для готовой расшифровки из любого сервиса Умка пригодится на следующем шаге: Claude, GPT, Gemini или DeepSeek сделают из стенограммы конспект, протокол встречи, список задач или перевод. Работает из России без VPN, оплата в рублях.

При регистрации дают 60 токенов без карты. Ответ быстрой модели стоит около 1 токена, умной — около 33. Минимальный пакет — 290 ₽ за 725 токенов: это примерно 21 обработка расшифровки умной моделью или сотни ответов быстрой. Подписки нет.

Вывод

Nemotron 3.5 Transcribe — заметный шаг для открытого распознавания речи: бесплатная модель с русским языком, разметкой по спикерам и переводом раньше встречалась только в платных облачных сервисах. Обычному пользователю она пока недоступна без мощной видеокарты, зато на её основе почти наверняка появятся удобные сервисы транскрибации. Для бизнеса это повод расшифровывать созвоны у себя, не отдавая записи на сторону.

Частые вопросы