IA en un minutoNoticiasModelos
NVIDIA lanza Nemotron 3.5 Transcribe, un modelo abierto de transcripción en hasta 40 idiomas
Redacción de IA en un minuto · Editor: Jon Elgezabal
En 30 segundos
NVIDIA ha lanzado un modelo abierto y gratuito que convierte en texto grabaciones de voz, con un máximo de 40 idiomas. Según la compañía, también traduce 31 idiomas al inglés y del inglés, aguanta una hora de audio y separa hasta ocho voces distintas. No sirve para emisiones en directo y se dirige a quien desarrolla aplicaciones de reuniones y de transcripción médica.
NVIDIA ha publicado Nemotron 3.5 Transcribe, un modelo de pesos abiertos y gratuito, es decir, que cualquiera puede descargar y usar, que transcribe audio grabado en hasta 40 idiomas. Según la compañía, en su entrada en el blog de Hugging Face, el modelo reúne en un mismo punto de control la transcripción, la atribución de hablantes, la traducción y las preguntas sobre el audio. Puede traducir 31 de esos idiomas desde y hacia el inglés, atender grabaciones de hasta una hora y distinguir hasta ocho hablantes, aunque la identificación de hablantes solo está disponible en 13 idiomas.
NVIDIA afirma que encabeza, entre los modelos de pesos abiertos, la clasificación de transcripción en inglés, con un error medio del 5,33 % por palabra. Según TechCrunch, también asegura que supera a sus rivales en varias pruebas comparativas.
Junto al modelo, la empresa ha lanzado la versión 2 de Granary, su conjunto de datos de voz de código abierto. Según NVIDIA, la lista pública de esta versión abarca 463.062 horas de audio en 48 idiomas, frente a los 25 idiomas de la anterior.
El modelo está pensado para audio grabado, no para emisiones en directo. TechCrunch señala que se dirige a los desarrolladores que crean aplicaciones para reuniones de empresa y transcripción médica. NVIDIA indica que se puede adaptar a la jerga de cada sector con Granary v2 y con sus herramientas NeMo Speech, y asegura que, con 30.000 millones de parámetros, puede funcionar en un solo chip, desde el Jetson AGX Thor y el DGX Spark hasta los chips de centros de datos Blackwell. La compañía recomienda revisar a mano nombres, cambios de hablante y respuestas, como con cualquier modelo de voz.
Por qué importa · análisis y opinión
Un modelo de pesos abiertos permite ejecutar la transcripción en equipos propios, algo que pesa cuando el audio contiene datos delicados, como los de una consulta médica o una reunión de dirección. A cambio, hace falta disponer del hardware adecuado y de alguien que lo mantenga, y la propia NVIDIA recomienda revisar nombres, cambios de hablante y respuestas, porque ningún sistema de voz es infalible. Tampoco sirve, de momento, para subtitular en directo. Quien ya paga un servicio de transcripción puede probarlo con grabaciones suyas y comparar el resultado con el de su proveedor actual, sobre todo si trabaja con jerga técnica de su sector.
Fuente oficial: NVIDIA · Redactada con ayuda de IA: cómo hacemos las noticias
