Nvidia libera IA gratuita para transcrição em 40 idiomas: entenda o que muda
A ferramenta de código aberto facilita a criação de apps para reuniões e setor da saúde. É um avanço para desenvolvedores e empresas que precisam transcrever áudios.
A Nvidia anunciou o lançamento do Nemotron 3.5 Transcribe, um modelo de inteligência artificial de código aberto focado em transcrição de áudio. A ferramenta é gratuita e consegue transcrever em até 40 idiomas, com a capacidade de traduzir 31 deles de e para o inglês. Isso representa um passo importante para quem busca soluções de processamento de voz.
O modelo foi projetado para desenvolvedores criarem aplicativos. Ele é ideal para contextos como reuniões de negócios e transcrições médicas, áreas onde a inteligência artificial já tem um papel consolidado. A Nvidia também liberou a versão 2 do Granary, um conjunto de dados de voz de código aberto, que pode ser usado para treinar e aprimorar esses sistemas.
Recursos e limitações práticas
O Nemotron 3.5 Transcribe consegue processar gravações de até uma hora de duração e distinguir até oito oradores diferentes no mesmo áudio. A Nvidia afirma que o modelo supera concorrentes em benchmarks de desempenho. É um modelo robusto que pode rodar em diversos chips da empresa, desde controladores robóticos até chips de data center.
- Suporta até 40 idiomas para transcrição.
- Pode traduzir 31 idiomas de e para o inglês.
- Identifica até 8 oradores em uma gravação.
- Processa áudios gravados de até 1 hora.
- Não funciona com áudio ao vivo ou em tempo real.
A principal limitação é que o Transcribe funciona apenas com áudios gravados. Ele não suporta transmissões ao vivo, o que ainda deixa espaço para outras tecnologias em cenários que exigem resposta imediata, como agentes de voz em tempo real. Essa restrição é importante para o profissional considerar na hora de escolher a ferramenta.