NOVEDADES + GUÍA PRÁCTICA
NVIDIA presenta Nemotron 3.5 Transcribe y el conjunto de datos Granary v2 para transcripción multilingüe avanzada
NVIDIA ha presentado formalmente Nemotron 3.5 Transcribe y la versión 2 de Granary, un conjunto de herramientas y datos destinados a transformar la manera en que se procesan las grabaciones de audio y la conversión de voz a texto a nivel multilingüe.
Qué cambia
La nueva propuesta de NVIDIA integra múltiples tareas de procesamiento de audio en un solo punto de control. Nemotron 3.5 Transcribe permite realizar transcripciones en 40 idiomas, traducciones hacia o desde el inglés en 31 de ellos, y separación de hablantes (diarización) para hasta ocho voces distintas en 13 idiomas, admitiendo además marcas de tiempo a nivel de palabra y preguntas sobre el contenido grabado. Su arquitectura combina un codificador de voz con un modelo lingüístico de mezcla de expertos Mamba-Transformer, activando aproximadamente 4,000 millones de parámetros por token de un total de 30,000 millones. Por otro lado, Granary v2 aporta los manifiestos de datos y una tubería reutilizable de curación para entrenar y adaptar este tipo de modelos bajo instrucciones en lenguaje natural.
Por qué importa
Este desarrollo destaca en diversas evaluaciones comparativas independientes del sector. En la clasificación de Hugging Face Open ASR para inglés, el modelo se sitúa en la primera posición entre las opciones de peso abierto. Asimismo, registra métricas competitivas en precisión frente al tamaño activo de parámetros en Artificial Analysis y en los índices de error de diarización de David AI y VoiceArena. Estas características facilitan a los desarrolladores guiar el comportamiento del sistema mediante lenguaje natural y ajustar los resultados a dominios específicos —como el sector médico— utilizando herramientas de ajuste fino y las directrices publicadas en GitHub y Hugging Face.
Qué puedes hacer con esta novedad
Los puntos de control de Nemotron 3.5 Transcribe y los manifiestos del conjunto de datos Granary v2 se encuentran disponibles para su consulta y descarga en las plataformas oficiales de Hugging Face y ModelScope.
- Visitar la página del modelo en Hugging Face o ModelScope para examinar las opciones de los puntos de control y las recomendaciones del model card.
- Explorar los conjuntos de datos de Granary v2 en los repositorios oficiales para revisar los manifiestos públicos y las variantes de transcripción.
- Consultar las guías de ajuste fino y los casos de estudio médicos alojados en el repositorio de NeMo Speech en GitHub para conocer las recetas de adaptación por dominio.
Qué deberías obtener
Identificar los formatos de transcripción soportados, las directrices de adaptación y los repositorios oficiales de código y datos.
Antes de empezar
No se detallan controles de hardware específicos para usuarios finales sin infraestructura compatible ni se confirman precios comerciales o disponibilidad directa en Colombia.