Nvidia lança IA gratuita que transcreve áudio em até 40 idiomas
Modelo pode processar gravações de até uma hora e gerar transcrições adaptadas a reuniões corporativas e entrevistas
A Nvidia lançou o Nemotron 3.5 Transcribe, um modelo de inteligência artificial gratuito e de pesos abertos capaz de transcrever áudios em até 40 idiomas. A ferramenta também identifica diferentes falantes, traduz conversas e permite ajustar o estilo da transcrição por meio de instruções em linguagem natural.
A empresa desenvolveu o modelo para tarefas como registrar reuniões, transcrever entrevistas e organizar gravações profissionais.
Segundo a Nvidia, ele consegue processar arquivos de até uma hora e distinguir até oito participantes em uma conversa. O lançamento também inclui avanços para adaptar o reconhecimento de voz a vocabulários técnicos e contextos específicos.
Leia também: Nvidia investe US$ 3 bilhões na Meta para ampliar parceria em inteligência artificial
COMO FUNCIONA O NEMOTRON 3.5 TRANSCRIBE
O modelo permite escolher como transcrever o conteúdo. Você pode preservar as palavras exatamente como as pessoas disseram, produzir um texto mais organizado ou incluir informações contextuais para melhorar o reconhecimento de nomes e termos específicos.
A ferramenta também pode identificar o idioma falado, traduzir o áudio e associar trechos da transcrição aos respectivos participantes. Quando solicitado, o sistema fornece marcações de tempo por palavra, recurso que facilita localizar informações em gravações extensas.
De acordo com a Nvidia, o modelo reconhece 40 idiomas e traduz 31 deles de e para o inglês. No entanto, a ferramenta trabalha com arquivos de áudio gravados, e não com transcrição de conversas ao vivo.
Leia também: “0% de chance”: CEO da Nvidia descarta fim do mundo em 2030
DESENVOLVEDORES PODEM ADAPTAR O MODELO ABERTO
O Nemotron 3.5 Transcribe é disponibilizado com pesos abertos sob a licença OpenMDW-1.1. Isso permite que desenvolvedores examinem o modelo, adaptem seu funcionamento e criem aplicações para diferentes setores, conforme as condições da licença.
Empresas podem usar a tecnologia em ferramentas para reuniões corporativas, atendimento ao cliente e transcrição médica. Também é possível personalizar o reconhecimento para lidar melhor com expressões e termos próprios de determinadas áreas.
Segundo a Nvidia, o modelo tem cerca de 30 bilhões de parâmetros, com aproximadamente 4,3 bilhões ativos durante o processamento. A arquitetura foi projetada para executar tarefas de fala em diferentes configurações de hardware, incluindo GPUs da própria empresa.
COMO ACESSAR A IA GRATUITA DA NVIDIA
O modelo está disponível no Hugging Face, plataforma utilizada para compartilhar modelos de inteligência artificial. A Nvidia também oferece documentação técnica e ferramentas para desenvolvedores que desejam adaptar ou integrar a tecnologia a seus projetos.
