NVIDIA Nemotron 3.5 Transcribe y Granary v2: Transcripción multilingue inteligente que puedes solicitar y adaptar
huggingface ·
NVIDIA ha lanzado Nemotron 3.5 Transcribe, un modelo de pesos abiertos que combina transcripción multilingüe, atribución de hablantes, traducción y respuesta a preguntas sobre audio en un único punto de control. El modelo admite 40 idiomas para la transcripción y ocupa los primeros puestos en varias listas de clasificación importantes, como el Hugging Face Open ASR Leaderboard y la prueba de diarización de David AI. Una característica clave es su capacidad de ser «prompteado», lo que permite a los desarrolladores guiar los formatos de salida y la jerga específica del dominio mediante instrucciones en lenguaje natural sin necesidad de un ajuste fino inmediato. Para apoyar la adaptación, NVIDIA también presentó Granary v2, una canalización abierta de curación de datos con más de 463.000 horas de datos de voz multilingües. Estudios de caso demuestran que el ajuste fino con esta canalización puede reducir significativamente las tasas de error de palabras en campos especializados como la atención sanitaria. El sistema funciona eficientemente en GPUs individuales de NVIDIA, desde dispositivos periféricos hasta servidores de centros de datos, utilizando una arquitectura híbrida Mamba-Transformer. Los desarrolladores pueden acceder al modelo a través de Hugging Face, ModelScope o puntos finales alojados, con herramientas proporcionadas para la implementación local y el entrenamiento personalizado.
huggingface