El modelo admite grabaciones de hasta una hora y permite añadir nombres, siglas y términos técnicos antes de transcribir. Sus pesos se pueden descargar para procesar el audio en equipos propios.
De una entrevista grabada a un texto que se puede comprobar
En una entrevista, obtener el texto suele ser solo la mitad del trabajo. Después toca averiguar quién dijo cada frase, comprobar cómo se escribe un apellido y volver al audio antes de publicar una cita. Nemotron 3.5 Transcribe, el nuevo modelo de voz de NVIDIA, reúne esas tareas: transcribe en 40 idiomas, entre ellos el español, separa las intervenciones y puede añadir marcas de tiempo para localizar un pasaje en la grabación.
Cómo distingue las voces y qué idiomas puede traducir
En una mesa redonda, el modelo puede distinguir hasta ocho voces y etiquetar cuándo interviene cada una. Así resulta más fácil seguir una réplica o localizar la pregunta que dio pie a una respuesta. Las etiquetas distinguen a los participantes dentro de la grabación; poner nombre y apellido a cada voz sigue siendo tarea de quien prepara el texto.
La cobertura cambia según la tarea. Nemotron puede transcribir en 40 idiomas, conservando la lengua de la grabación. Para traducir, NVIDIA anuncia soporte entre el inglés y otros 31 idiomas, en ambos sentidos. Conviene tener presente esa diferencia si el objetivo es subtitular una entrevista en otra lengua.
Un glosario antes de pulsar «transcribir»
Una de las funciones más prácticas consiste en darle contexto al modelo antes de que procese el audio. Por ejemplo, una periodista que acaba de entrevistar a una investigadora puede facilitarle su apellido, el nombre del laboratorio y las siglas del proyecto. Así, el sistema dispone de una referencia escrita cuando encuentra esas palabras en la conversación.
El mismo recurso sirve para el vocabulario de una consulta médica o de una reunión jurídica. Aun con ese contexto, merece la pena contrastar con el audio una dosis, una cifra o una cita textual. Las marcas de tiempo permiten ir directamente al fragmento que plantea dudas.
Qué significa que el modelo sea gratuito
NVIDIA distribuye los pesos del modelo para su descarga. Una redacción con hardware compatible puede procesar las entrevistas en su propio servidor, conservar allí las grabaciones y prescindir de una tarifa de transcripción por minuto. En ese caso, asume el coste del equipo y de la electricidad. Si opta por alquilar una GPU en la nube, pagará por ese tiempo de cómputo.
Fuentes y referencias
- NVIDIA — Ficha del modelo, idiomas admitidos y requisitos de ejecución
- NVIDIA — Presentación de Nemotron 3.5 Transcribe y ejemplos de transcripción con contexto
- TechCrunch — Cobertura del lanzamiento y alcance de la traducción y la separación de voces
Sombra Radio · Apoyo de lectores
Ayuda a mantener viva Sombra Radio
Tu aportación voluntaria nos ayuda a seguir publicando sobre IA. Puedes apoyarnos desde 1 € al mes.
