NVIDIA abre o Nemotron 3.5 Transcribe, modelo de fala que transcreve, traduz e identifica falantes
Publicado na edição nº 1 do Noticiário do Joãozinho ·
Um único checkpoint de pesos abertos transcreve 40 idiomas, traduz 31 deles de ou para o inglês, identifica falantes em 13 (até oito pessoas) e aceita gravações de até uma hora. Lidera entre os modelos abertos o Open ASR Leaderboard em inglês. Junto veio o pipeline de dados Granary v2: num caso médico, o fine-tuning reduziu o erro de palavras em 45,8%. Há versões quantizadas para rodar localmente em RTX Spark, DGX Spark ou Jetson AGX Thor.
Por que isso importa Oferece transcrição e diarização de nível comercial, abertas e capazes de rodar localmente. Antes de adotar, confira no model card se o seu idioma está entre os 40.
Fonte original: NVIDIA / Hugging Face · Página do modelo (NVIDIA Research) — https://huggingface.co/blog/nvidia/nemotron-transcribe-granary