A Nvidia anunciou nesta semana o lançamento do Nemotron 3.5 Transcribe, um modelo de transcrição de voz gratuito e aberto que pode transcrever áudios em até 40 idiomas.

Segundo a empresa, o Nemotron 3.5 pode traduzir 31 idiomas para e do inglês, lidar com gravações de até uma hora e distinguir até oito falantes diferentes. A Nvidia afirma que o modelo supera concorrentes em testes de benchmark, incluindo o Open ASR Leaderboard da Hugging Face.

Ferramenta para desenvolvedores

Essas ferramentas são direcionadas a desenvolvedores que estão construindo aplicativos para reuniões de negócios e transcrição médica, dois dos principais nichos de mercado para a inteligência artificial no ambiente de trabalho.

A Nvidia promete que o Transcribe, com 30 bilhões de parâmetros, pode rodar em uma única unidade, desde controladores de robótica como o Jetson AGX Thor e DGX Spark até chips de data center como o Blackwell. O modelo se junta a outros modelos de voz abertos da Nvidia, incluindo o Parakeet, que tem apenas 1,1 bilhão de parâmetros.