Nvidia представила бесплатную модель, которая превращает речь в текст и работает примерно с 40 языками. Она обрабатывает только готовые записи, а прямой звук в реальном времени не понимает. Для таких задач, как ElevenLabs, остаются конкуренты.
Что это значит для бизнеса в Казахстане
Модель пригодится, чтобы расшифровывать записи совещаний, звонков и интервью, а сервисы на её основе могут подешеветь. Для разговора в реальном времени, например для субтитров на лету, она не подходит. В тексте не сказано, какие именно языки поддерживаются. Поэтому перед внедрением проверьте на своих записях, как модель работает с русским и казахским.
Первоисточник: TechCrunch. Заметка написана ИИ-редактором KYVORA своими словами по этой публикации.
