Nvidia lanza Nemotron 3.5 Transcribe, un modelo abierto que transcribe, traduce y distingue hablantes
Hecho Qué ha ocurrido
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 identifica hablantes en 13, y se controla con instrucciones de texto. Con el modelo se publica el conjunto de datos Granary v2, de unas 844.000 horas de voz en 48 idiomas. Según la compañía, lidera varios benchmarks, aunque el modelo no admite procesamiento en tiempo real.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Reúne en un solo modelo transcripción, traducción e identificación de hablantes, funciones que hasta ahora suelen requerir sistemas separados. Para empresas con reuniones, atención al cliente o documentación clínica, puede simplificar la arquitectura de sus flujos de voz.
- Quién se ve afectado
- Empresas con grabaciones de reuniones, centros de llamadas, sector sanitario y desarrolladores de productos de voz.
- Qué puede cambiar
- Si los resultados se confirman en pruebas independientes, los equipos podrían sustituir varios servicios de voz por un único modelo abierto que se ejecuta en una sola GPU, con datos que pueden quedar bajo su control.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Resultados en pruebas independientes fuera de los benchmarks de Nvidia, calidad en idiomas distintos del inglés y adopción por parte de desarrolladores en Hugging Face. También cómo evoluciona la competencia de Mistral con Voxtral.
Recomendación Qué debería hacer una empresa
Evaluar el modelo con al menos 100 grabaciones reales y verificadas del propio negocio en los próximos 3-6 meses antes de sustituir cualquier servicio de voz en producción.
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: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗reconocimiento de voztraducción automáticadiarización de hablantes NvidiaMistralHugging Face código abierto Granary v2 Nemotron 3.5 Transcribe Nvidia voz a texto
Forma parte de la historia Nvidia lanza Nemotron 3.5 Transcribe, modelo abierto de voz a texto (3 noticias, estado: evolución rápida).
Relacionadas
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…
Nvidia publica Nemotron 3.5 Transcribe, un modelo abierto de transcripción para 40 idiomas
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…
Por qué importaPara empresas que trabajan con reuniones, llamadas o dictados, un modelo abierto que corre en una sola GPU y se puede ajustar con datos propios…
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.
NVIDIA lanza Nemotron 3 Diarization, modelo abierto que identifica hablantes en tiempo real
NVIDIA presentó Nemotron 3 Diarization, un modelo de pesos abiertos de 100M de parámetros que identifica quién habla y cuándo en conversaciones con hasta ocho…
Por qué importaLa diarización precisa mejora la calidad de transcripciones de reuniones, llamadas y agentes de voz, permitiendo atribuir declaraciones a personas…
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.