Nvidia lança modelo aberto de transcrição para até 40 idiomas
🎧 Ouça esta notícia
A Nvidia lançou o Nemotron 3.5 Transcribe, um modelo gratuito e de pesos abertos para transcrição de gravações em até 40 idiomas, além da versão 2 do conjunto de dados de voz de código aberto Granary. A empresa diz que o modelo traduz 31 idiomas de e para o inglês, processa gravações de até uma hora e distingue até oito falantes, além de superar concorrentes em benchmarks como o Open ASR Leaderboard, da Hugging Face.
Voltado a aplicativos para reuniões corporativas e transcrição médica, o modelo pode ser personalizado, segundo a Nvidia, para reconhecer jargões de diferentes setores. A principal limitação é não funcionar com transmissões ao vivo. A empresa afirma que o modelo de 30 bilhões de parâmetros pode rodar em um único chip, incluindo chips Jetson AGX Thor, DGX Spark e Blackwell.
Por que importa · interpretação editorial
A combinação de pesos abertos, suporte multilíngue e personalização para jargão pode facilitar a criação de ferramentas de transcrição para empresas e saúde. Como o modelo não processa áudio ao vivo, seu uso fica limitado a gravações, apesar da alegação da Nvidia de que ele roda em um único chip.