NVIDIA dice que Nemotron 3.5 Transcribe lidera pruebas de transcripción y diarización
🎧 Escucha esta noticia
NVIDIA lanzó Nemotron 3.5 Transcribe, un modelo de pesos abiertos que combina transcripción, atribución de hablantes, traducción y preguntas y respuestas sobre audio. La empresa dice que transcribe 40 idiomas, traduce 31 de ellos hacia o desde el inglés, identifica hablantes en 13 idiomas, procesa grabaciones de hasta una hora y etiqueta hasta ocho personas. El modelo está disponible en Hugging Face y ModelScope, y NVIDIA prevé versiones cuantizadas para uso local en equipos como RTX Spark, DGX Spark y Jetson AGX Thor.
NVIDIA afirma que el modelo ocupa el primer lugar entre los modelos de pesos abiertos en el Hugging Face Open ASR Leaderboard para inglés, registra la menor tasa de error en el ranking de diarización de David AI y quedó primero en una comparación de VoiceArena. La empresa también presentó el conjunto de datos y la canalización multilingüe Granary v2, junto con herramientas de ajuste fino de NeMo Speech. En un estudio médico citado por NVIDIA, el ajuste fino redujo la tasa de error de palabras un 45,8% frente al mejor comando.
Por qué importa · interpretación editorial
Al combinar transcripción, identificación de hablantes, traducción y preguntas sobre audio en un modelo de pesos abiertos, Nemotron 3.5 podría reducir la necesidad de reunir herramientas separadas para flujos de análisis de voz. Los datos y herramientas de ajuste fino que lo acompañan también pueden facilitar adaptaciones específicas, aunque la mejora del 45,8% en un estudio médico es una afirmación citada por NVIDIA.
Fuentes
Investigación