לפי הבלוג של אנבידיה, המודל מקבל הנחיות בשפה רגילה ומבצע בבת אחת תמלול, זיהוי דוברים ותרגום, ואפשר גם לשאול אותו שאלות על תוכן ההקלטה. הוא מתמלל 40 שפות, בהן שבע שפות הודיות. לפי TechCrunch, המודל מתרגם 31 שפות אל האנגלית וממנה, מטפל בהקלטות של עד שעה ומבחין בעד שמונה דוברים. אפשר לכלול בהנחיה מונחי מוצר וכללי עיצוב, כדי לטפל באוצר מילים מקצועי בתחומים כמו בריאות, שירותים פיננסיים ושירות לקוחות.
TechCrunch מדווח שלמודל 30 מיליארד פרמטרים; אנבידיה מציינת שבכל שלב פעילים כ-4.3 מיליארד מהם. לטענת החברה, המודל מדורג ראשון בטבלת Open ASR של Hugging Face ושני בין המודלים הפתוחים ב-Artificial Analysis. הוא מופץ בפורמטים BF16, FP8 ו-NVFP4, ורץ על שבב יחיד, ממחשבי RTX Spark ו-DGX Spark ומכשירי Jetson AGX Thor ועד שבבי Blackwell במרכזי נתונים. מפתחים יכולים להתאים אותו לז'רגון מקצועי בעזרת Granary 2 וכלי NeMo Speech.
ההכרזה פורסמה יחד עם עדכון למחשבים הניידים RTX Spark, שזמינים כעת מ-ASUS, Dell, HP, Lenovo, Microsoft ו-MSI במחיר התחלתי של 2,599 דולר. לפי TechCrunch, המודל עובד רק על הקלטות ולא על שמע חי. תנאי הרישיון המלאים, רשימת השפות המלאה וציוני הדיוק המפורטים לא פורטו בהכרזה.
