A Nvidia lançou o Nemotron 3.5 Transcribe, um modelo de IA gratuito para transcrição de áudio em 40 idiomas, focado em reuniões e transcrição médica.
Nvidia lança Nemotron 3.5 Transcribe
A Nvidia apresentou o Nemotron 3.5 Transcribe, um modelo de inteligência artificial de pesos abertos e de utilização gratuita que suporta a transcrição de áudio em até 40 idiomas. Conforme avançado pelo TechCrunch, a ferramenta foi concebida para processar ficheiros gravados, não funcionando em tempo real, o que a posiciona para ferramentas de transcrição de reuniões e contexto médico.
De acordo com os dados divulgados, o modelo consegue traduzir 31 línguas para e do inglês, processar gravações com até uma hora de duração e distinguir até oito oradores diferentes. A empresa indica ainda que a ferramenta alcança desempenho superior face a concorrentes em benchmarks como o Open ASR Leaderboard do Hugging Face.
Especificações e limitações técnicas
Com 30 mil milhões de parâmetros, o Nemotron 3.5 Transcribe foi desenhado para correr num único chip, desde controladores robóticos como o Jetson AGX Thor e chips DGX Spark até aos processadores Blackwell para centros de dados. O modelo junta-se ao ecossistema de voz de pesos abertos da marca, que inclui alternativas mais compactas como o Parakeet.
A principal limitação apontada é o facto de a ferramenta processar exclusivamente áudio gravado e não fluxos de transmissão em direto. Paralelamente, a Nvidia disponibilizou a versão 2 do conjunto de dados de voz de código aberto Granary, que permite aos programadores personalizar aplicações para reconhecer terminologia técnica específica de cada setor.
Impacto no desenvolvimento
Para os programadores e empresas que procuram integrar capacidades de transcrição, a utilização de modelos de pesos abertos como o Nemotron 3.5 permite uma maior flexibilidade na personalização de aplicações. A integração pode ser feita recorrendo a ferramentas como o modelo NeMo Speech, permitindo que as aplicações reconheçam o jargão específico de cada indústria em diferentes idiomas.
Fontes
Antes de comprares, compara no AHT Scan
Vê preços em várias lojas, promoções e histórico observado num único lugar.
AMD Instinct MI450X: nova GPU reforça flexibilidade na série MI400
GitHub Copilot: guia prático revela como estruturar 'agent skills' reutilizáveis
XPENG apresenta GroundingPI, novo modelo de perceção visual para Physical AI