La IA de voz está de moda: Nvidia lanza un nuevo modelo de transcripción abierto
techcrunch ·
Nvidia ha lanzado Nemotron 3.5 Transcribe, un modelo de IA gratuito y con pesos abiertos diseñado para la transcripción de audio en hasta 40 idiomas. Este lanzamiento coincide con el debut de la versión 2 de Granary, un conjunto de datos de voz de código abierto destinado a ayudar a los desarrolladores a personalizar aplicaciones para jergas industriales específicas. El modelo cuenta con capacidades como la traducción entre 31 idiomas y el inglés, el procesamiento de grabaciones de hasta una hora de duración y la distinción entre ocho hablantes diferentes. Nvidia afirma que Nemotron 3.5 supera a la competencia en pruebas comparativas como el Open ASR Leaderboard de Hugging Face. Aunque actualmente solo admite audio grabado y no transmisiones en vivo, el modelo de 30 mil millones de parámetros está optimizado para ejecutarse de manera eficiente en diversos hardware, desde chips individuales hasta servidores de centros de datos. Este lanzamiento posiciona a Nvidia en un mercado competitivo donde recientemente se han producido lanzamientos de Mistral, ElevenLabs y Salesforce. Las herramientas están dirigidas principalmente a desarrolladores que crean soluciones para reuniones empresariales y transcripciones médicas.
techcrunch