Washington, 30 oct (SANA) La empresa tecnológica Nvidia anunció el lanzamiento de “Nemotron 3.5 Transcribe”, un nuevo modelo de inteligencia artificial (IA) capaz de convertir grabaciones de audio en texto en más de 40 idiomas e identificar hasta ocho interlocutores en una misma grabación.
La herramienta tiene como objetivo facilitar el desarrollo de aplicaciones de reconocimiento y procesamiento del habla en distintos sectores.
Según informó el miércoles el portal especializado “TechCrunch”, el modelo está disponible de forma gratuita y con pesos abiertos, permite procesar grabaciones de hasta una hora de duración y ofrece funciones de traducción entre el inglés y otros 31 idiomas.
Coincidiendo con el lanzamiento, Nvidia presentó una versión actualizada de “Granary”, su conjunto de datos de audio de código abierto, para apoyar a los desarrolladores en la creación de aplicaciones especializadas en reconocimiento y transcripción de voz.
Entre los usos previstos figuran la transcripción de reuniones de trabajo y la conversión de conversaciones médicas en registros escritos.
Para ello, los desarrolladores pueden integrar el modelo con “Granary” y las herramientas “NeMo Speech”, a fin de crear aplicaciones capaces de reconocer términos técnicos y especializados en diversos sectores.
Por el momento, el modelo no permite procesar transmisiones de audio en directo, ya que su funcionamiento se limita a grabaciones previamente almacenadas.
“Nemotron 3.5 Transcribe” cuenta con 30.000 millones de parámetros y, según la compañía, puede ejecutarse en un solo chip.
Además, es compatible con distintas plataformas, entre ellas el controlador robótico “Jetson AGX Thor”, los dispositivos “DGX Spark” y los procesadores “Blackwell” destinados a centros de datos.
Esta iniciativa forma parte de la estrategia de Nvidia de ofrecer modelos de inteligencia artificial de pesos abiertos, que permiten a los desarrolladores acceder a sus componentes entrenados y adaptarlos a las necesidades específicas de sus aplicaciones.
em/rr
