Nvidia presenta Nemotron 3.5 Transcribe, un modelo de voz de código abierto con 30.000 millones de parámetros
Herramientas de voz de código abierto apuntan a flujos de trabajo empresariales
El miércoles, Nvidia introdujo Nemotron 3.5 Transcribe, un modelo gratuito y de código abierto capaz de convertir audio hablado en texto en hasta 40 idiomas. La compañía también lanzó la versión 2 de Granary, su conjunto de datos de voz de código abierto, ampliando los recursos disponibles para los desarrolladores.
Nemotron 3.5 puede traducir 31 idiomas desde y hacia el inglés, procesar grabaciones de hasta una hora de duración y distinguir hasta ocho hablantes diferentes. Nvidia afirma que el modelo supera a los competidores en pruebas de referencia, incluida la tabla de clasificación Open ASR de Hugging Face.
Las herramientas están diseñadas para desarrolladores que crean aplicaciones en dos de los dominios laborales más establecidos de la IA: las reuniones empresariales y la transcripción médica. Al combinar Nemotron 3.5 con el conjunto de datos actualizado Granary y el modelo NeMo Speech, los desarrolladores pueden adaptar soluciones para reconocer jerga específica de cada industria en cada idioma. Una limitación persiste: Transcribe solo funciona con audio pregrabado y no puede procesar transmisiones en vivo.
A pesar de su tamaño, el modelo de 30.000 millones de parámetros está optimizado para funcionar en un solo chip, compatible con hardware que va desde el controlador robótico Jetson AGX Thor y el chip para portátil DGX Spark hasta los procesadores para centros de datos Blackwell. Se une a la cartera de modelos de voz de código abierto de Nvidia, que incluye el compacto pero potente modelo Parakeet de 1,1 mil millones de parámetros.
El lanzamiento llega en medio de una ola de anuncios de voz basados en IA. Este mes, Mistral lanzó Voxtral 3; ElevenLabs presentó Realtime para voz instantánea en agentes conversacionales; y Salesforce lanzó Launa-Omni, su propio modelo de voz. Juntos, estos movimientos muestran un panorama en rápida evolución en el que las herramientas de código abierto se están volviendo centrales para la adopción de la IA en las empresas.








