NVIDIA abre un modelo para transcribir grabaciones de hasta una hora en 40 idiomas
Nemotron 3.5 Transcribe admite instrucciones de estilo, vocabulario de contexto y etiquetas de hablantes. Es un modelo para procesar grabaciones, con archivos descargables y requisitos de hardware importantes.
Por qué confiar en Pulso Diario
Ilustración editorial original
Una transcripción literal, unos subtítulos legibles y un registro con turnos de voz necesitan salidas diferentes. El modelo publicado el 28 de octubre permite pedir esas variantes mediante instrucciones escritas junto al audio. Sus etiquetas distinguen voces dentro de la grabación; no identifican a una persona del mundo real.
Qué puede pedir quien lo integra
La ficha describe transcripción, traducción entre inglés y los idiomas compatibles, marcas temporales y preguntas sobre el audio. Incluye español de España y de Estados Unidos. El soporte varía según idioma y tarea: la comprensión y el razonamiento sobre audio se evaluaron solo en inglés. También se puede aportar una lista de términos especializados para orientar la transcripción. NVIDIA distingue expresamente este modelo de un servicio que transcribe en directo.
Fuentes: [1] NVIDIA en Hugging Face: ficha completa de Nemotron 3.5 Transcribe
Descargarlo no elimina el coste de ejecutarlo
Se distribuye bajo OpenMDW 1.1, con uso comercial y no comercial sujeto a sus condiciones. La ficha enumera unos 34.000 millones de parámetros totales y 4.300 millones activos; los parámetros son valores internos aprendidos durante el entrenamiento. El ejemplo de despliegue emplea una GPU H100 con 80 GB de memoria. Hay variantes con menor precisión numérica para reducir necesidades de memoria. Los archivos no llevan una tarifa por token en la descarga, pero ejecutar el sistema exige hardware o contratar un proveedor.
Fuentes: [1] NVIDIA en Hugging Face: ficha completa de Nemotron 3.5 Transcribe · [2] NVIDIA Research: arquitectura y resultados de Transcribe
Ilustración editorial original
Cómo interpretar las cifras de precisión
NVIDIA aporta resultados en conjuntos de audio públicos y describe los ajustes de las pruebas. Por ejemplo, comunica una tasa media de error de palabras del 4,71 % en nueve conjuntos en inglés. Esa medida cuenta inserciones, borrados y sustituciones frente a una transcripción de referencia; no es el porcentaje de grabaciones perfectas. Ruido, acentos, varias voces y vocabulario pueden cambiar el resultado, por lo que la ficha no garantiza esa precisión para cualquier grabación.
Fuentes: [1] NVIDIA en Hugging Face: ficha completa de Nemotron 3.5 Transcribe · [2] NVIDIA Research: arquitectura y resultados de Transcribe
La transcripción configurable necesita conservar el audio como referencia
Poder elegir entre texto literal y texto más legible resulta práctico, pero obliga a saber qué se pidió antes de usarlo como registro. Una reunión, una entrevista o una investigación pueden necesitar criterios distintos. Conservar la grabación y revisar nombres y cifras sigue siendo más importante que una clasificación general del modelo.
Opinión de Pulso Diario · elaborada a partir de los hechos y fuentes citadosFuentes y límites de verificación
La ficha y la página técnica son materiales del mismo fabricante. Las tasas publicadas se describen como resultados de NVIDIA, sin convertirlas en una prueba propia. La licencia del modelo no transfiere derechos sobre las grabaciones que introduzca el usuario.
Fuentes: [1] NVIDIA en Hugging Face: ficha completa de Nemotron 3.5 Transcribe · [2] NVIDIA Research: arquitectura y resultados de Transcribe
Comentarios · ¿qué duda te queda?
¿Qué dato te ayudaría a entender mejor esta noticia? Comparte tu pregunta o señala un posible error con su fuente. Usaremos las dudas para orientar nuevas explicaciones, sin prometer una respuesta individual.
Los comentarios se revisan antes de publicarse. Respeta a los demás, aporta argumentos y evita publicidad o datos personales. Puedes eliminar tus propios comentarios.
Google se cargará al pulsar. Privacidad.
Has accedido con Google.
Más en Inteligencia artificial
Claude amplía su marca de agua textual a tres modelos: qué permite detectar y qué no
Claude abre hilos temporales para agilizar conversaciones largas sin reducir los tokens facturados
La historia viral de Claude Code y 17.342 fotos: qué revisar en tu iPhone
OpenAI presenta LifeVal para evaluar la ayuda de la IA en tareas cotidianas
IA cuántica: la carrera por calcular lo que hoy se nos resiste
Gemini tiene diez consejos para la próxima década: el primero empieza por tu cuerpo
Karpathy se hartó de YouTube: así creó HackerTube con IA en unas dos horas
Los nuevos proyectos de pago de Gemini API guardan solicitudes por defecto: cómo controlar el registro
Sheets añade las fuentes web de las respuestas generadas con Gemini a cada celda
«Brain fry»: cuando supervisar la IA se convierte en otra carga de trabajo
AlphaFold y las curas con IA: qué está demostrado y qué falta
