Saltar al contenido principal
ToolPotion
Asesor de IA
Enviar

NVIDIA Nemotron 3.5 Transcribe

Modelos de IAModelos de IA y LLMCódigo abierto · Linux, Windows

NVIDIA Nemotron 3.5 Transcribe es un modelo de reconocimiento automático de voz con 34 mil millones de parámetros construido con NeMo. Ofrece alta precisión para transcripción, traducción y comprensión de audio en 40 idiomas. El modelo admite diversas tareas, incluyendo transcripción contextual, transcripción atribuida a hablantes y traducción de voz, lo que lo hace adecuado para diversas aplicaciones de voz y audio.

Ver modelo
Compartir
Ver modelo
Compartir

NVIDIA Nemotron 3.5 Transcribe es un sofisticado modelo de reconocimiento automático de voz (ASR), que cuenta con 34 mil millones de parámetros (4.3 mil millones activos) e incorpora un codificador de audio. Su arquitectura es un modelo de lenguaje híbrido Mixture of Experts Mamba-2–Transformer, mejorado con un Codificador de Expertos Paralelos para ASR y reconocimiento de hablantes.

Leer más

Este modelo admite una amplia gama de tareas, incluyendo transcripción literal y en forma escrita, transcripción contextual, transcripción atribuida a hablantes, transcripción rica, traducción de voz, identificación de idiomas y respuesta a preguntas de audio. Es competente en 40 idiomas, con niveles de calidad que varían de 'Liderazgo' a 'Soportado' en diferentes localidades y capacidades como ASR, traducción, ASR multihablante y cambio de código.

Nemotron 3.5 Transcribe está optimizado para su implementación en hardware NVIDIA, requiriendo específicamente 1× H100 80 GB para un rendimiento óptimo. Soporta precisión BF16, con variantes FP8 y NVFP4 también disponibles. El modelo puede procesar grabaciones de hasta 1 hora de duración y tiene una longitud de contexto de 65,536 tokens. Las entradas incluyen audio (WAV, FLAC, MP3, OGG) y texto, generando salidas de texto con marcas de tiempo opcionales para las palabras.

El modelo demuestra un rendimiento líder en varios benchmarks, incluyendo ASR multihablante, control de estilo, ASR en inglés, ASR de larga duración y ASR multilingüe. Su guía de indicaciones ofrece opciones flexibles para diferentes casos de uso, como generar transcripciones de investigación, texto legible para subtítulos, transcribir vocabulario específico de dominio, identificar hablantes, traducir voz y responder preguntas de grabaciones de audio.

NVIDIA Nemotron 3.5 Transcribe está licenciado bajo OpenMDW-1.1, asegurando términos de uso claros. Está destinado a desarrolladores e investigadores que construyen aplicaciones de voz y audio que requieren evaluación y revisión específicas de la aplicación. Las robustas capacidades del modelo y su amplio soporte de idiomas lo convierten en una solución versátil para tareas complejas de procesamiento y comprensión de audio.

  • CategoríaModelos de IA y LLM
  • Modelo de preciosCódigo abierto
  • ImplementaciónNube
  • PlataformasLinux, Windows

  • 34 mil millones de parámetros (4.3B activos) con codificador de audio

  • Arquitectura híbrida Mixture of Experts Mamba-2–Transformer

  • Soporta precisión BF16, FP8 y NVFP4

  • Longitud de contexto de 65,536 tokens para grabaciones de hasta 1 hora

  • Procesa entradas de audio y texto, genera texto con marcas de tiempo opcionales

  • Soporta 40 idiomas para transcripción y traducción

  • Realiza transcripción literal y en forma escrita

  • Ofrece transcripción contextual y atribuida a hablantes

  • Incluye capacidades de transcripción rica y traducción de voz

  • Presenta identificación de idiomas y respuesta a preguntas de audio

  • Optimizado para implementación en hardware NVIDIA H100 80 GB

  • Predicción de Múltiples Tokens (MTP) nativa para decodificación especulativa

  • Modo de razonamiento configurable a través de plantilla de chat

  • Logra alta precisión en múltiples benchmarks de ASR

  • Licencia OpenMDW-1.1

  1. Acceder al Modelo: Obtenga acceso al modelo NVIDIA Nemotron 3.5 Transcribe a través de Hugging Face.

  2. Configurar el Entorno: Configure su entorno con el hardware NVIDIA necesario (por ejemplo, H100 80 GB) y tiempos de ejecución de inferencia (vLLM, Hugging Face Transformers).

  3. Preparar Entradas: Proporcione archivos de audio en formatos WAV, FLAC, MP3 o OGG, y/o indicaciones de texto.

  4. Formular Indicaciones: Utilice estructuras de indicaciones recomendadas para tareas específicas como ASR literal, transcripciones limpias, atribución de hablantes o traducción de voz.

  5. Enviar Solicitud: Envíe solicitudes al servidor del modelo, especificando modos de decodificación y configuraciones de razonamiento.

  6. Procesar Salida: Reciba salidas de texto generadas, que pueden incluir transcripciones, traducciones, etiquetas de hablantes o respuestas a preguntas de audio.

  7. Integrar Software: Integre el modelo en aplicaciones utilizando arquitecturas y sistemas operativos compatibles (Linux, Windows a través de WSL2).

  • Transcripciones de Investigación
  • Subtítulos y Notas
  • Transcripción de Discusiones Técnicas
  • Flujos de Trabajo de Revisión de Reuniones
  • Dictado e Interfaces de Voz
  • Localización de Medios Multilingües
  • Búsqueda y Comprensión de Audio
  • Transcripción de Cambio de Código
  • Recuperación de Valores Estructurados
  • Solicitudes de Asistente de Voz

De NVIDIA

Reseñas de NVIDIA Nemotron 3.5 Transcribe

Cargando...

Herramientas de IA populares como NVIDIA Nemotron 3.5 Transcribe

Nemotron 3.5 ASR

Modelos de IA

Nemotron 3.5 ASR es un modelo de Reconocimiento Automático de Voz en streaming multilingüe de NVIDIA, que soporta la transcripción en 40 idiomas. Ofrece transcripciones de alta…

Herramientas de transcripción con IA
Ver herramienta

Modelos de IA

Modelo de Reconocimiento Automático de Voz en streaming multilingüe de NVIDIA, que soporta la transcripción en 40 idiomas. Ofrece transcripciones de alta…Nemotron 3.5 ASR es un modelo de Reconocimiento Automático de Voz en streaming multilingüe de NVIDIA, que soporta la transcripción en 40 idiomas. Ofrece transcripciones de alta…

Herramientas de transcripción con IA
Ver el Top 5 de Modelos de IA

Nemotron 3 Diarization es un modelo de diarización de hablantes que identifica 'quién habló cuándo' en grabaciones de audio. Soporta hasta ocho hablantes y ofrece capacidades de…

Modelos de IA y LLM
Ver herramienta

Modelo de diarización de hablantes que identifica 'quién habló cuándo' en grabaciones de audio. Soporta hasta ocho hablantes y ofrece capacidades de…Nemotron 3 Diarization es un modelo de diarización de hablantes que identifica 'quién habló cuándo' en grabaciones de audio. Soporta hasta ocho hablantes y ofrece capacidades de…

Modelos de IA y LLM
Ver el Top 5 de Modelos de IA

NVIDIA Parakeet es un modelo de reconocimiento automático de voz de 600 millones de parámetros diseñado para transcripciones en inglés de alta calidad, que soporta puntuación,…

Modelos de IA y LLM
Ver herramienta

NVIDIA Nemotron 3 Ultra es un potente modelo de IA diseñado para razonamiento complejo y tareas multilingües. Con 550 mil millones de parámetros, sobresale en análisis de contexto…

Modelos de IA y LLM
Ver herramienta

Potente modelo de IA diseñado para razonamiento complejo y tareas multilingües. Con 550 mil millones de parámetros, sobresale en análisis de contexto…NVIDIA Nemotron 3 Ultra es un potente modelo de IA diseñado para razonamiento complejo y tareas multilingües. Con 550 mil millones de parámetros, sobresale en análisis de contexto…

DestacadaModelos de IA y LLM
Ver el Top 5 de Modelos de IA

Whisper Large V3 Turbo es un modelo de vanguardia para el reconocimiento automático de voz y la traducción, optimizado para la velocidad con capas de decodificación reducidas.…

Modelos de IA y LLM
Ver herramienta

Modelo de vanguardia para el reconocimiento automático de voz y la traducción, optimizado para la velocidad con capas de decodificación reducidas.…Whisper Large V3 Turbo es un modelo de vanguardia para el reconocimiento automático de voz y la traducción, optimizado para la velocidad con capas de decodificación reducidas.…

Modelos de IA y LLM
Ver el Top 5 de Modelos de IA

NVIDIA Nemotron 3.5 Super VL es un modelo de lenguaje grande diseñado para el procesamiento de texto, imágenes y video. Presenta una arquitectura híbrida Mamba-2–Transformer y es…

Modelos de IA y LLM

N.º 16 en LLM

Ver herramienta

Modelo de lenguaje grande diseñado para el procesamiento de texto, imágenes y video. Presenta una arquitectura híbrida Mamba-2–Transformer y es…NVIDIA Nemotron 3.5 Super VL es un modelo de lenguaje grande diseñado para el procesamiento de texto, imágenes y video. Presenta una arquitectura híbrida Mamba-2–Transformer y es…

Modelos de IA y LLM
N.º 16 en LLM

whisper-large-v3

Modelos de IA

Whisper-large-v3 es un modelo avanzado para el reconocimiento automático de voz y la traducción de voz, entrenado con más de 5 millones de horas de datos. Ofrece un rendimiento…

Modelos de IA y LLM
Ver herramienta

Modelos de IA

Modelo avanzado para el reconocimiento automático de voz y la traducción de voz, entrenado con más de 5 millones de horas de datos. Ofrece un rendimiento…Whisper-large-v3 es un modelo avanzado para el reconocimiento automático de voz y la traducción de voz, entrenado con más de 5 millones de horas de datos. Ofrece un rendimiento…

DestacadaModelos de IA y LLM
Ver el Top 5 de Modelos de IA

Mistral Large 3 es un modelo de IA de última generación diseñado para empresas, que permite la personalización, el ajuste fino y el despliegue de asistentes y agentes de IA.…

Modelos de IA y LLM
Ver herramienta

Modelo de IA de última generación diseñado para empresas, que permite la personalización, el ajuste fino y el despliegue de asistentes y agentes de IA.…Mistral Large 3 es un modelo de IA de última generación diseñado para empresas, que permite la personalización, el ajuste fino y el despliegue de asistentes y agentes de IA.…

DestacadaModelos de IA y LLM
Ver el Top 5 de Modelos de IA
1 de 8