NVIDIA Nemotron: распознавание речи прямо на устройстве

Локальную расшифровку давно преследуют две проблемы. Точность уступала облачной, а расшифровка разговора нескольких людей возвращалась одним сплошным блоком текста, который потом трудно читать. Nemotron помогает в обоих случаях, и работает он полностью на вашем устройстве.

Nemotron входит в Nemotron Speech, семейство открытых речевых моделей NVIDIA. NVIDIA выпустила его в июне 2026 года, и Hedy — одно из первых приложений, которые внедрили его в реальный продукт, а не в демонстрацию. Теперь он стоит рядом с Whisper и Parakeet среди речевых движков, которые можно выбрать в Hedy.

Заметный шаг вперёд в точности локальной расшифровки

Локальная расшифровка всегда была правильным выбором для тех, кто предпочитает хранить разговоры на собственном оборудовании. Загвоздка была в точности: модели на устройстве отставали от облачных, иногда настолько, что это было заметно. Nemotron сокращает этот разрыв. Для повседневных встреч и звонков получаемая расшифровка заметно лучше того, что раньше умели локальные модели, и при этом ничего не покидает ваше устройство.

Чтобы получить более полную картину того, как расшифровка на устройстве вписывается в Hedy, см. наш обзор локального ИИ для встреч и инженерный разбор Hedy 3.2.

Он различает ваших собеседников

Главное изменение — в том, как выглядит расшифровка разговора нескольких людей после встречи. Прежняя локальная расшифровка отдавала одну стену текста, по которой нельзя было понять, кто говорил. Nemotron разделяет говорящих и помечает их: «Speaker 1», «Speaker 2», «Speaker 3» и так далее. Встреча с обменом репликами читается как встреча с обменом репликами.

Где появляются эти метки, зависит от платформы:

• На iPhone и Mac метки появляются в реальном времени, пока люди говорят и разговор переходит от одного к другому.
• В Windows и на Android они добавляются в конце сессии при обработке, поэтому вы увидите их, когда расшифровка будет готова, а не в реальном времени.

Две версии: английская и многоязычная

Nemotron выпускается в двух вариантах, и вы выбираете подходящий вашей работе. Английская версия настроена на разговоры только на английском. Многоязычная версия работает с широким набором языков в рамках одной модели; её стоит выбрать, если ваши встречи идут на нескольких языках или не на английском.

Обе версии находятся в разделе Настройки, в части Речь и ИИ, рядом с Whisper. Переключение движков занимает пару касаний. Сравнение всех вариантов смотрите в статье как сравниваются движки распознавания речи в Hedy.

Переход с Parakeet

Nemotron заменяет Parakeet. Он делает ту же работу лучше, расшифровывая точнее. Если вы сейчас используете Parakeet, перейдите на Nemotron. Parakeet выводится из использования, а работа над распознаванием продолжается в Nemotron. Whisper остаётся на месте как самый совместимый движок и хороший выбор по умолчанию, если у вас более старое устройство или вы просто предпочитаете его.

Что нужно для работы

На iPhone и iPad для Nemotron нужен iPhone 12 или новее либо iPad этого поколения и новее. Более старые устройства Apple этот вариант не увидят. Он также работает на Mac, в Windows и на Android.

Откройте Настройки → Речь и ИИ, выберите Nemotron в английской или многоязычной версии, и ваша следующая сессия будет расшифрована на вашем устройстве с пометками, кто говорит. Читать потом проще, и ничего не покинуло ваше устройство.