NVIDIA Nemotron 3.5 Transcribe: transcripción de voz local

NVIDIA ha lanzado un nuevo modelo que convierte grabaciones de audio en texto, identifica a los hablantes y traduce la voz directamente en el dispositivo del usuario. Se llama Nemotron 3.5 Transcribe y permite a los desarrolladores crear aplicaciones para reuniones, atención al cliente y trabajo con voz sin tener que enviar siempre las grabaciones a servidores en la nube.

Según el blog de NVIDIA, el modelo admite la transcripción en 40 idiomas. El usuario puede darle instrucciones en lenguaje natural: transcribir una grabación señalando a cada hablante, traducirla o extraer las decisiones de una reunión. También es posible añadir términos especializados para mejorar el manejo del vocabulario de medicina y salud, servicios financieros y atención al cliente.

Por qué importa el procesamiento local

Procesar las grabaciones en local da a los desarrolladores más opciones sobre dónde residen los datos. Es relevante cuando la conversación incluye información empresarial o datos sensibles, y reduce la necesidad de trasladar archivos a la nube. Los desarrolladores pueden ejecutar el modelo en hardware compatible y ampliar después a centros de datos si necesitan más capacidad.

El lanzamiento llega mientras NVIDIA amplía las capacidades de sus equipos RTX Spark, diseñados para ejecutar modelos de inteligencia artificial de forma local.

Reparto de potencia de la GPU

La compañía añadió además herramientas para decidir cómo se reparte la potencia del procesador gráfico entre la aplicación abierta en pantalla y un agente de IA que trabaja en segundo plano. Se puede dar mayor prioridad al programa principal o más recursos al agente para que termine antes su tarea.

El cambio refleja la previsión de NVIDIA de que las aplicaciones y los agentes de IA funcionarán de forma continua junto al software tradicional en el mismo ordenador.