Descrição
NVIDIA Nemotron 3.5 Transcribe é um sofisticado modelo de reconhecimento automático de fala (ASR), com 34 bilhões de parâmetros (4,3 bilhões ativos) e incorporando um codificador de áudio. Sua arquitetura é um modelo de linguagem híbrido Mamba-2–Transformer Mixture of Experts, aprimorado com um Codificador de Especialistas Paralelo para ASR e reconhecimento de falantes.
Ler mais
O modelo é projetado para alta precisão, personalização e ajuste fino, tornando-se uma ferramenta poderosa para desenvolvedores e pesquisadores.
Este modelo suporta uma ampla gama de tarefas, incluindo transcrição literal e em forma escrita, transcrição contextual, transcrição atribuída ao falante, transcrição rica, tradução de fala, identificação de idiomas e resposta a perguntas de áudio. É proficiente em 40 idiomas, com níveis de qualidade variando de 'Líder' a 'Suportado' em diferentes locais e capacidades como ASR, tradução, ASR mult falante e troca de código.
Nemotron 3.5 Transcribe é otimizado para implantação em hardware NVIDIA, exigindo especificamente 1× H100 80 GB para desempenho ideal. Suporta precisão BF16, com variantes FP8 e NVFP4 também disponíveis. O modelo pode processar gravações de até 1 hora de duração e possui um comprimento de contexto de 65.536 tokens. As entradas incluem áudio (WAV, FLAC, MP3, OGG) e texto, gerando saídas de texto com marcas de tempo opcionais.
O modelo demonstra desempenho líder em vários benchmarks, incluindo ASR mult falante, controle de estilo, ASR em inglês, ASR de longa duração e ASR multilíngue. Seu guia de prompts oferece opções flexíveis para diferentes casos de uso, como gerar transcrições de pesquisa, texto legível para legendas, transcrever vocabulário específico de domínio, identificar falantes, traduzir fala e responder a perguntas de gravações de áudio.
NVIDIA Nemotron 3.5 Transcribe é licenciado sob OpenMDW-1.1, garantindo termos de uso claros. É destinado a desenvolvedores e pesquisadores que constroem aplicações de fala e áudio que requerem avaliação e revisão específicas da aplicação. As robustas capacidades do modelo e o amplo suporte a idiomas o tornam uma solução versátil para tarefas complexas de processamento e compreensão de áudio.
- CategoriaModelos de IA e LLMs
- Modelo de preçosCódigo aberto
- ImplantaçãoNuvem
- PlataformasLinux, Windows
Destaques de NVIDIA Nemotron 3.5 Transcribe
34 bilhões de parâmetros (4,3B ativos) com codificador de áudio
Arquitetura híbrida Mamba-2–Transformer Mixture of Experts
Suporta precisão BF16, FP8 e NVFP4
Comprimento de contexto de 65.536 tokens para gravações de até 1 hora
Processa entradas de áudio e texto, gera texto com marcas de tempo opcionais
Suporta 40 idiomas para transcrição e tradução
Realiza transcrição literal e em forma escrita
Oferece transcrição contextual e atribuída ao falante
Inclui capacidades de transcrição rica e tradução de fala
Apresenta identificação de idiomas e resposta a perguntas de áudio
Otimizado para implantação em hardware NVIDIA H100 80 GB
Predição de Múltiplos Tokens (MTP) nativa para decodificação especulativa
Modo de raciocínio configurável via modelo de chat
Alcança alta precisão em múltiplos benchmarks de ASR
Licença OpenMDW-1.1
Primeiros passos com NVIDIA Nemotron 3.5 Transcribe
Acessar Modelo: Obtenha acesso ao modelo NVIDIA Nemotron 3.5 Transcribe via Hugging Face.
Configurar Ambiente: Configure seu ambiente com o hardware NVIDIA necessário (por exemplo, H100 80 GB) e tempos de execução de inferência (vLLM, Hugging Face Transformers).
Preparar Entradas: Forneça arquivos de áudio nos formatos WAV, FLAC, MP3 ou OGG, e/ou prompts de texto.
Formular Prompts: Use estruturas de prompt recomendadas para tarefas específicas como ASR literal, transcrições limpas, atribuição de falantes ou tradução de fala.
Enviar Solicitação: Envie solicitações ao servidor do modelo, especificando modos de decodificação e configurações de raciocínio.
Processar Saída: Receba saídas de texto geradas, que podem incluir transcrições, traduções, etiquetas de falantes ou respostas a perguntas de áudio.
Integrar Software: Integre o modelo em aplicações usando arquiteturas e sistemas operacionais suportados (Linux, Windows via WSL2).
Casos de uso de NVIDIA Nemotron 3.5 Transcribe
- Transcrições de Pesquisa
- Legendas e Notas
- Transcrição de Discussões Técnicas
- Fluxos de Trabalho de Revisão de Reuniões
- Ditado e Interfaces de Voz
- Localização de Mídia Multilíngue
- Busca e Compreensão de Áudio
- Transcrição de Troca de Código
- Recuperação de Valores Estruturados
- Solicitações de Assistente Falado







