NVIDIA abre Nemotron 3.5 Transcribe, un modelo de voz que transcribe, traduce e identifica hablantes
Publicado en la edición n.º 1 de Noticiário do Joãozinho ·
Traducido por Joãozinho AI de la edición original en portugués de Brasil. Los hechos, cifras y fuentes son los mismos del original; las citas, los títulos de los videos y los nombres de las fuentes se mantienen en su idioma original. Leer el original en portugués
Un único checkpoint de pesos abiertos transcribe 40 idiomas, traduce 31 de ellos desde o hacia el inglés, identifica hablantes en 13 (hasta ocho personas) y acepta grabaciones de hasta una hora. Lidera entre los modelos abiertos el Open ASR Leaderboard en inglés. Junto llegó el pipeline de datos Granary v2: en un caso médico, el ajuste fino redujo el error de palabras en un 45,8%. Hay versiones cuantizadas para ejecutarse localmente en RTX Spark, DGX Spark o Jetson AGX Thor.
Fuente original: NVIDIA / Hugging Face · Página del modelo (NVIDIA Research) — https://huggingface.co/blog/nvidia/nemotron-transcribe-granary