{"id":5026,"date":"2026-10-28T18:56:39","date_gmt":"2026-10-28T18:56:39","guid":{"rendered":"https:\/\/11000.dev\/index.php\/2026\/10\/28\/nvidia-lansirala-nemotron-3-5-transcribe-i-granary-v2-prepoznavanje-govora-koje-se-moze-ispromptovati\/"},"modified":"2026-10-28T18:56:39","modified_gmt":"2026-10-28T18:56:39","slug":"nvidia-lansirala-nemotron-3-5-transcribe-i-granary-v2-prepoznavanje-govora-koje-se-moze-ispromptovati","status":"publish","type":"post","link":"https:\/\/11000.dev\/index.php\/2026\/10\/28\/nvidia-lansirala-nemotron-3-5-transcribe-i-granary-v2-prepoznavanje-govora-koje-se-moze-ispromptovati\/","title":{"rendered":"NVIDIA lansirala Nemotron 3.5 Transcribe i Granary v2 \u2014 prepoznavanje govora koje se mo\u017ee &#8220;ispromptovati"},"content":{"rendered":"<p><figure class=\"wp-block-image size-large\"><img decoding=\"async\" src=\"https:\/\/11000.dev\/wp-content\/uploads\/2026\/10\/3vFxCEUXz_xJVrTBr4hNr.jpeg\" alt=\"NVIDIA lansirala Nemotron 3.5 Transcribe i Granary v2 \u2014 prepoznavanje govora koje se mo\u017ee &quot;ispromptovati\" \/><\/figure>\n<\/p>\n<p>NVIDIA je na Hugging Face platformi predstavila novu generaciju svojih alata za prepoznavanje govora \u2014 <strong>Nemotron 3.5 Transcribe<\/strong> i <strong>Granary v2<\/strong>. Re\u010d je o modelima otvorenog koda namenjenim produkcijskoj upotrebi, a ono \u0161to ih izdvaja je mogu\u0107nost da se transkripcija prilagodi instrukcijama koje korisnik unese \u2014 takozvano &#8220;promptovanje&#8221; samog procesa prepoznavanja govora.<\/p>\n<h2>\u0160ta donosi Nemotron 3.5 Transcribe<\/h2>\n<p>Centralni model, <strong>NVIDIA-Nemotron-3.5-Transcribe-30B-A4B<\/strong>, ima oko 34 milijarde parametara i spada u kategoriju automatskog prepoznavanja govora (ASR). Zahvaljuju\u0107i arhitekturi sa aktivacijom samo dela parametara (A4B), model je projektovan da bude efikasan u produkciji, bez potrebe da se svaki put anga\u017euju svi resursi. NVIDIA ga opisuje kao &#8220;inteligentnu vi\u0161ejezi\u010dnu transkripciju koju mo\u017eete da promptujete i prilagodite&#8221; \u2014 \u0161to u praksi zna\u010di da korisnik mo\u017ee da navede kontekst, terminologiju ili stil koji model treba da po\u0161tuje tokom transkribovanja.<\/p>\n<p>Uz glavni model, tu je i <strong>Nemotron 3-Diarization<\/strong>, manji model (oko 99,2 miliona parametara) zadu\u017een za detekciju govorne aktivnosti i razdvajanje govornika. Kombinacija ova dva alata omogu\u0107ava da se sa snimka dobije transkript u kome se jasno zna ko je \u0161ta rekao \u2014 \u0161to je klju\u010dno za sastanke, intervjue i poziv centre.<\/p>\n<h2>Granary v2 i HiFi varijanta<\/h2>\n<p>Drugi deo pri\u010de ti\u010de se skupova podataka. NVIDIA je objavila <strong>Granary v2<\/strong>, kao i <strong>Granary-HiFi<\/strong> varijantu, namenjene treniranju i evaluaciji govornih modela. Ovi skupovi podataka su deo \u0161ire <strong>Nemotron Speech kolekcije<\/strong>, koja okuplja 16 modela i resursa za ASR, sintezu govora (TTS), dijarizaciju govornika i govor-u-govor (S2S) zadatke. Sve je objavljeno pod otvorenom licencom i dostupno zajednici.<\/p>\n<p>Pored toga, na Hugging Face-u su dostupni i demo prostori \u2014 <strong>Nemotron Transcribe Demo<\/strong> i <strong>GranaryHiFi Blog<\/strong> \u2014 kao i <strong>Open ASR Leaderboard<\/strong>, tabla koja omogu\u0107ava direktno pore\u0111enje govornih modela po jezicima i skupovima podataka. Tu je i poseban skup podataka <em>eka-medical-asr-evaluation-dataset<\/em>, \u0161to nagove\u0161tava da NVIDIA cilja i na specijalizovane domene poput medicine, gde je ta\u010dnost transkripcije od velikog zna\u010daja.<\/p>\n<h2>Za\u0161to je ovo va\u017eno<\/h2>\n<p>Prepoznavanje govora je godinama bilo oblast u kojoj su komercijalni oblaci dominirali, a otvoreni modeli su zaostajali. NVIDIA ovim potezom jasno poru\u010duje da \u017eeli da bude ozbiljan igra\u010d u open-source govornim tehnologijama \u2014 ne samo kroz hardver, ve\u0107 i kroz modele i podatke. Mogu\u0107nost &#8220;promptovanja&#8221; transkripcije je posebno zanimljiva jer pomera fokus sa pukog prepoznavanja re\u010di na razumevanje konteksta: model mo\u017eete da uputite da pravilno zapi\u0161e stru\u010dne termine, imena ili \u017eargon, \u0161to je ranije zahtevalo ru\u010dno doterivanje.<\/p>\n<p>Za developere u regionu koji grade alate za transkripciju sastanaka, korisni\u010dku podr\u0161ku ili analizu poziva, ovo je konkretna opcija koju vredi isprobati \u2014 modeli su dostupni na <a href=\"https:\/\/huggingface.co\/blog\/nvidia\/nemotron-transcribe-granary\" target=\"_blank\" rel=\"noopener\">Hugging Face blogu NVIDIJE<\/a>, a demo prostori omogu\u0107avaju brz test bez sopstvene infrastrukture.<\/p>\n<p>Ostaje da se vidi kako \u0107e se Nemotron 3.5 Transcribe pokazati na realnim, &#8220;prljavim&#8221; snimcima \u2014 sa \u0161umom u pozadini, dijalektima i preklapanjem govornika \u2014 jer upravo tu se otvoreni modeli naj\u010de\u0161\u0107e lome. Ali smer je jasan: NVIDIA gradi kompletan ekosistem govornih alata, od modela do podataka i evaluacije, i to sve pod otvorenom licencom.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>NVIDIA je na Hugging Face platformi predstavila novu generaciju svojih alata za prepoznavanje govora \u2014 Nemotron 3.5 Transcribe i Granary v2. Re\u010d je o modelima otvorenog koda namenjenim produkcijskoj upotrebi, a ono \u0161to ih izdvaja je mogu\u0107nost da se transkripcija prilagodi instrukcijama koje korisnik unese \u2014 takozvano &#8220;promptovanje&#8221; samog procesa prepoznavanja govora. \u0160ta donosi Nemotron [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":5025,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[103,104],"tags":[],"class_list":["post-5026","post","type-post","status-publish","format-standard","has-post-thumbnail","category-ai","category-tehnologija"],"_links":{"self":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts\/5026","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/comments?post=5026"}],"version-history":[{"count":0,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/posts\/5026\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/media\/5025"}],"wp:attachment":[{"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/media?parent=5026"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/categories?post=5026"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/11000.dev\/index.php\/wp-json\/wp\/v2\/tags?post=5026"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}