Nemotron 3.5 ASR Streaming 0.6B

Nemotron 3.5 ASR Streaming — многоязычная модель NVIDIA на 600 млн параметров для потоковой расшифровки речи. Версия для 40 языковых локалей стала доступна 4 июня 2026 года; обновлённые веса на Hugging Face появились 11 июня. Модель принимает аудио, формирует текст и может использовать заданную языковую подсказку или автоматически определять язык.

Распознавание в 40 локалях

Единая модель вместо отдельных языковых checkpoint

NVIDIA выпустила многоязычную версию как отдельный профиль Nemotron ASR Streaming. Она расширяет английскую модель на набор из 40 языковых локалей. В документации различаются локали распознавания и фактические выходные языки, поэтому список поддерживаемых языков для конкретного сценария следует сверять с актуальной карточкой модели.

Потоковый режим и определение языка

Подсказка разработчика или автоматический выбор

В модели используется языковая подсказка, которая направляет распознавание, а также предусмотрен режим автоматического определения языка. Архитектура сохраняет контекст между фрагментами аудио и позволяет выбирать размер шага при обработке потока. Результат — текстовая расшифровка с пунктуацией и заглавными буквами; генерация голосового ответа не входит в её назначение.

Отличие от английской версии

Два профиля одной системы распознавания

Предшествующий английский профиль — Nemotron ASR Streaming 0.6B. Обе версии используют семейство потокового распознавания NVIDIA, но многоязычный checkpoint добавляет локали и языковой выбор. Для диалога с одновременным прослушиванием и речевым ответом предназначена отдельная Nemotron 3 VoiceChat.

Связанные модели и разработчик

Карточки экосистемы NVIDIA

Nemotron ASR Streaming 0.6B · Nemotron 3 VoiceChat · nemotron 3 nano omni · NVIDIA в Вики Futuretools

Дата выпуска и официальный источник

Что подтверждают материалы разработчика

Официальная карточка NVIDIA NIM указывает доступность Nemotron 3.5 ASR 04.06.2026 и 11.06.2026 для модели и весов соответственно. В карточке описаны модель на 600M параметров, 40 локалей, автоматическое определение языка и отдельный профиль по сравнению с английским checkpoint. Первичный источник: официальные материалы NVIDIA.