Nvidia lanza Nemotron 3.5 Transcribe, un modelo abierto de transcripción y traducción de audio

Resumen

• Nvidia publicó Nemotron 3.5 Transcribe, un modelo abierto de reconocimiento de voz que transcribe, identifica hablantes y traduce, y recibe sus instrucciones como texto.
• Según TechCrunch, el modelo puede transcribir hasta 40 idiomas, pero solo funciona con grabaciones, no con audio en directo.
• Según The Decoder, el modelo lidera varias pruebas de referencia y usa una sexta parte de los parámetros activos de su rival abierto más fuerte; la comparación proviene de la reseña, no de la cifra oficial de la empresa.
• Nvidia publica también un conjunto de datos con más de 800.000 horas de habla y herramientas para ajustarlo, según The Decoder.
• La empresa anunció el lanzamiento en su blog de Hugging Face; las cifras de rendimiento que cita SiliconANGLE sobre liderazgo en la clasificación provienen de la propia compañía.