Nvidia lanza una IA gratuita capaz de transcribir audio en 40 idiomas: así es el nuevo modelo que quiere revolucionar las grabaciones

Nvidia ha lanzado de forma gratuita Nemotron 3.5 Transcribe, un nuevo modelo de inteligencia artificial de código abierto capaz de transcribir archivos de audio en hasta 40 idiomas. Esta herramienta es capaz de procesar grabaciones de hasta una hora de duración y diferenciar entre ocho interlocutores distintos. Con este programa, la tecnológica quiere transformar la forma en la que las empresas y profesionales llevan sus conversaciones de voz hasta archivos de texto. Concretamente, Nemotron 3.5 Transcribe está concebido para que desarrolladores creen aplicaciones orientadas a las reuniones de negocios y la transcripción médica. Este modelo de IA destaca por su capacidad para ejecutarse en un solo chip y adaptarse al vocabulario técnico de diferentes sectores laborales. Sin embargo, la limitación del programa es que solo funciona con audio previamente grabado, por lo que es incapaz de transcribir emisiones en directo. «No existe una única transcripción correcta de una grabación, lo que se considera correcto depende de quién la lea y con qué propósito», afirma Nvidia en un comunicado . Para resolverlo, la multinacional asegura que ha desarrollado un modelo de lenguaje aumentado por voz (SALM, por sus siglas en inglés) ideado para ofrecer una «transcripción inteligente» capaz de incluir o eliminar muletillas, dependiendo de las instrucciones que reciba. «Nemotron 3.5 Transcribe es un modelo de voz y audio sin conexión y de código abierto para la transcripción en 40 idiomas, compatible con grabaciones de hasta una hora», destaca Hugging Face, ahora propiedad de Nvidia, en otro comunicado . Sus creadores detallan que sus usuarios previstos son «desarrolladores e investigadores que crean interfaces de voz, herramientas de transcripción y traducción, procesamiento de reuniones y análisis de atención al cliente». Los resultados de la prueba de rendimiento Open ASR Leaderboard demuestran la elevada precisión del sistema frente a sus competidores, pues este modelo de IA consigue los «mejores resultados de código abierto», con un 4,71 % de error en palabras en inglés y un 4,62 % en pruebas multilingües. Además, en entornos donde se facilitan listas de términos específicos o nombres propios, el sistema logra «reducir seis veces los errores en entidades nombradas» respecto a las transcripciones tradicionales.