NVIDIA diz que Nemotron 3.5 Transcribe lidera testes de transcrição e diarização
🎧 Ouça esta notícia
A NVIDIA lançou o Nemotron 3.5 Transcribe, um modelo de pesos abertos que reúne transcrição, atribuição de falantes, tradução e perguntas e respostas sobre áudio. Segundo a empresa, ele transcreve 40 idiomas, traduz 31 deles para ou do inglês, identifica falantes em 13 idiomas, processa gravações de até uma hora e rotula até oito pessoas. O modelo está disponível no Hugging Face e no ModelScope, com versões quantizadas previstas para uso local em equipamentos como RTX Spark, DGX Spark e Jetson AGX Thor.
A NVIDIA afirma que o modelo ocupa o primeiro lugar entre modelos de pesos abertos no Hugging Face Open ASR Leaderboard para inglês, registra a menor taxa de erro no ranking de diarização da David AI e ficou em primeiro em uma comparação da VoiceArena. A empresa também apresentou o conjunto de dados e pipeline multilíngue Granary v2, além de ferramentas de ajuste fino do NeMo Speech. Em um estudo médico citado pela NVIDIA, o ajuste fino reduziu em 45,8% o erro de palavras em relação ao melhor comando usado.
Por que importa · interpretação editorial
Ao reunir transcrição, identificação de falantes, tradução e perguntas sobre áudio em um modelo de pesos abertos, o Nemotron 3.5 pode reduzir a necessidade de combinar ferramentas separadas em fluxos de análise de voz. A inclusão de dados e ferramentas de ajuste fino também pode facilitar adaptações específicas, embora a melhora de 45,8% em um estudo médico seja uma afirmação citada pela NVIDIA.
Fontes
Pesquisa