IA de voz em alta: Nvidia lança novo modelo de transcrição aberto
techcrunch ·
A Nvidia lançou o Nemotron 3.5 Transcribe, um modelo de IA gratuito e de pesos abertos projetado para transcrição de áudio em até 40 idiomas. O lançamento coincide com a versão 2 do Granary, um conjunto de dados de fala de código aberto destinado a ajudar desenvolvedores a personalizar aplicativos para jargões específicos de setores. O modelo possui capacidades como tradução entre 31 idiomas e o inglês, processamento de gravações de até uma hora de duração e distinção entre oito falantes diferentes. A Nvidia afirma que o Nemotron 3.5 supera concorrentes em benchmarks como o Open ASR Leaderboard da Hugging Face. Embora atualmente suporte apenas áudio gravado e não transmissões ao vivo, o modelo de 30 bilhões de parâmetros é otimizado para funcionar eficientemente em diversos hardwares, desde chips únicos até servidores de datacenter. Este lançamento posiciona a Nvidia em um mercado competitivo que recentemente viu lançamentos da Mistral, ElevenLabs e Salesforce. As ferramentas são direcionadas principalmente para desenvolvedores que criam soluções para reuniões empresariais e transcrição médica.
techcrunch