Nvidia publica Nemotron 3.5 Transcribe, un modelo abierto de transcripción para 40 idiomas
Hecho Qué ha ocurrido
NVIDIA ha publicado Nemotron 3.5 Transcribe, un modelo abierto que transcribe 40 idiomas, traduce 31 a inglés o desde él y separa hablantes en 13, con audios de hasta una hora y ocho hablantes. Está disponible en Hugging Face y ModelScope. La compañía afirma que ocupa los primeros puestos en varios rankings de transcripción y diarización, y que procesa 100 horas de audio en menos de tres minutos en una GPU, medido con clips de 30 segundos.
Resumen generado mediante IA a partir de Hugging Face (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Para empresas que trabajan con reuniones, llamadas o dictados, un modelo abierto que corre en una sola GPU y se puede ajustar con datos propios reduce la dependencia de APIs de pago. Los resultados de los rankings son una referencia útil, pero conviene validarlos con audio propio.
- Quién se ve afectado
- Empresas con grandes volúmenes de audio, como centros de llamadas, sanidad, formación y equipos de desarrollo que integran voz.
- Qué puede cambiar
- Podría unificar en un solo modelo la transcripción, la identificación de hablantes y la traducción, desplegado en infraestructura propia y con control sobre dónde se procesa el audio.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Adopción en herramientas de terceros, resultados independientes con audio real de cada sector y comportamiento con acentos y vocabulario especializado. El texto indica que el modelo está pensado para audio grabado, no para streaming en directo.
Recomendación Qué debería hacer una empresa
Evaluar el modelo con una muestra de grabaciones propias en los próximos tres meses, comparando tasa de error y atribución de hablantes frente a la solución actual.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Hugging Face (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗ASRdiarizacióntraducción automáticamodelos multimodales NVIDIAHugging FaceAgora Hugging Face modelo abierto Nemotron 3.5 Transcribe Nvidia transcripción
Forma parte de la historia Nvidia lanza Nemotron 3.5 Transcribe, modelo abierto de voz a texto (3 noticias, estado: evolución rápida).
Relacionadas
Nvidia lanza Nemotron 3.5 Transcribe, un modelo abierto que transcribe, traduce y distingue hablantes
Nvidia ha publicado Nemotron 3.5 Transcribe, un modelo abierto de reconocimiento de voz que transcribe 40 idiomas, traduce 31 hacia o desde el inglés e…
Por qué importaReúne en un solo modelo transcripción, traducción e identificación de hablantes, funciones que hasta ahora suelen requerir sistemas separados. Para…
Nvidia publica Nemotron 3.5 Transcribe, un modelo abierto de voz que transcribe en 40 idiomas
Nvidia publicó Nemotron 3.5 Transcribe, un modelo de voz a texto de pesos abiertos que transcribe audio en hasta 40 idiomas, y la versión 2 de su conjunto de…
Por qué importaReduce la barrera para que desarrolladores creen herramientas de transcripción para reuniones y entornos médicos con modelos gratuitos que pueden…
Google lanza Gemini 3.5 Transcribe, modelo de voz a texto con soporte para 85 idiomas
Google ha presentado Gemini 3.5 Transcribe, un modelo de conversión de voz a texto que transcribe en más de 85 idiomas y elimina expresiones de relleno como…
Por qué importaLa mejora significativa en precisión, latencia y capacidad multilingüe hace que este modelo sea relevante para empresas que necesiten transcribir…
Nvidia lanza gratis un modelo de 100M de parámetros para diarización de hasta ocho hablantes
Nvidia publicó Nemotron 3 Diarization, un modelo de unos 100 millones de parámetros con pesos abiertos que identifica quién habla en cada momento de una…
Por qué importaEs un componente técnico útil para transcripción, atención al cliente o análisis de reuniones, aunque no supone un cambio disruptivo por sí solo.
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.