Nvidia lanza un modelo abierto de transcripción para hasta 40 idiomas
🎧 Escucha esta noticia
Nvidia lanzó Nemotron 3.5 Transcribe, un modelo gratuito y de pesos abiertos para transcribir grabaciones en hasta 40 idiomas, junto con la versión 2 de su conjunto de datos de voz de código abierto Granary. La empresa dice que el modelo puede traducir 31 idiomas hacia y desde el inglés, procesar grabaciones de hasta una hora y distinguir hasta ocho hablantes, además de superar a rivales en pruebas comparativas como Open ASR Leaderboard, de Hugging Face.
El modelo está dirigido a aplicaciones para reuniones empresariales y transcripción médica y, según Nvidia, puede personalizarse para reconocer la jerga de distintas industrias. Su principal limitación es que no funciona con audio en vivo. La empresa afirma que el modelo, de 30.000 millones de parámetros, puede ejecutarse en un solo chip, incluidos los chips Jetson AGX Thor, DGX Spark y Blackwell.
Por qué importa · interpretación editorial
La combinación de pesos abiertos, compatibilidad multilingüe y personalización para jerga especializada podría facilitar la creación de herramientas de transcripción para empresas y salud. Como el modelo no procesa audio en vivo, su uso queda limitado a grabaciones, pese a la afirmación de Nvidia de que funciona en un solo chip.