Pular para o conteúdo principal
ToolPotion
Consultor de IA
Enviar

NVIDIA Nemotron 3.5 Transcribe

Modelos de IAModelos de IA e LLMsCódigo aberto · Linux, Windows

NVIDIA Nemotron 3.5 Transcribe é um modelo de reconhecimento automático de fala com 34 bilhões de parâmetros, construído com NeMo. Oferece alta precisão para transcrição, tradução e compreensão de áudio em 40 idiomas. O modelo suporta várias tarefas, incluindo transcrição contextual, transcrição atribuída ao falante e tradução de fala, tornando-o adequado para diversas aplicações de fala e áudio.

Ver modelo
Compartilhar
Ver modelo
Compartilhar

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

  • 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

  1. Acessar Modelo: Obtenha acesso ao modelo NVIDIA Nemotron 3.5 Transcribe via Hugging Face.

  2. 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).

  3. Preparar Entradas: Forneça arquivos de áudio nos formatos WAV, FLAC, MP3 ou OGG, e/ou prompts de texto.

  4. Formular Prompts: Use estruturas de prompt recomendadas para tarefas específicas como ASR literal, transcrições limpas, atribuição de falantes ou tradução de fala.

  5. Enviar Solicitação: Envie solicitações ao servidor do modelo, especificando modos de decodificação e configurações de raciocínio.

  6. Processar Saída: Receba saídas de texto geradas, que podem incluir transcrições, traduções, etiquetas de falantes ou respostas a perguntas de áudio.

  7. Integrar Software: Integre o modelo em aplicações usando arquiteturas e sistemas operacionais suportados (Linux, Windows via WSL2).

  • 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

De NVIDIA

Avaliações de NVIDIA Nemotron 3.5 Transcribe

Carregando...

Ferramentas de IA populares como NVIDIA Nemotron 3.5 Transcribe

Nemotron 3.5 ASR

Modelos de IA

Nemotron 3.5 ASR é um modelo de Reconhecimento Automático de Fala (ASR) em streaming multilíngue da NVIDIA, suportando transcrição em 40 idiomas. Oferece transcrição de alta…

Ferramentas de transcrição com IA
Ver ferramenta

Modelos de IA

Modelo de Reconhecimento Automático de Fala (ASR) em streaming multilíngue da NVIDIA, suportando transcrição em 40 idiomas. Oferece transcrição de alta…Nemotron 3.5 ASR é um modelo de Reconhecimento Automático de Fala (ASR) em streaming multilíngue da NVIDIA, suportando transcrição em 40 idiomas. Oferece transcrição de alta…

Ferramentas de transcrição com IA
Ver o Top 5 de Modelos de IA

Nemotron 3 Diarization é um modelo de diarização de falantes que identifica 'quem falou quando' em gravações de áudio. Suporta até oito falantes e oferece capacidades de…

Modelos de IA e LLMs
Ver ferramenta

Modelo de diarização de falantes que identifica 'quem falou quando' em gravações de áudio. Suporta até oito falantes e oferece capacidades de…Nemotron 3 Diarization é um modelo de diarização de falantes que identifica 'quem falou quando' em gravações de áudio. Suporta até oito falantes e oferece capacidades de…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

O NVIDIA Parakeet é um modelo de reconhecimento automático de fala com 600 milhões de parâmetros, projetado para transcrição de alta qualidade em inglês, suportando pontuação,…

Modelos de IA e LLMs
Ver ferramenta

O NVIDIA Parakeet é um modelo de reconhecimento automático de fala com 600 milhões de parâmetros, projetado para transcrição de alta qualidade em inglês, suportando pontuação,…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

O NVIDIA Nemotron 3 Ultra é um poderoso modelo de IA projetado para raciocínio complexo e tarefas multilíngues. Com 550 bilhões de parâmetros, ele se destaca na análise de longos…

Modelos de IA e LLMs
Ver ferramenta

O NVIDIA Nemotron 3 Ultra é um poderoso modelo de IA projetado para raciocínio complexo e tarefas multilíngues. Com 550 bilhões de parâmetros, ele se destaca na análise de longos…

DestaqueModelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Whisper Large V3 Turbo é um modelo de ponta para reconhecimento automático de fala e tradução, otimizado para velocidade com camadas de decodificação reduzidas. Suporta múltiplos…

Modelos de IA e LLMs
Ver ferramenta

Modelo de ponta para reconhecimento automático de fala e tradução, otimizado para velocidade com camadas de decodificação reduzidas. Suporta múltiplos…Whisper Large V3 Turbo é um modelo de ponta para reconhecimento automático de fala e tradução, otimizado para velocidade com camadas de decodificação reduzidas. Suporta múltiplos…

Modelos de IA e LLMs
Ver o Top 5 de Modelos de IA

NVIDIA Nemotron 3.5 Super VL é um modelo de linguagem grande projetado para processamento de texto, imagem e vídeo. Ele apresenta uma arquitetura híbrida Mamba-2–Transformer e é…

Modelos de IA e LLMs

Nº 16 em LLMs

Ver ferramenta

Modelo de linguagem grande projetado para processamento de texto, imagem e vídeo. Ele apresenta uma arquitetura híbrida Mamba-2–Transformer e é…NVIDIA Nemotron 3.5 Super VL é um modelo de linguagem grande projetado para processamento de texto, imagem e vídeo. Ele apresenta uma arquitetura híbrida Mamba-2–Transformer e é…

Modelos de IA e LLMs
Nº 16 em LLMs

whisper-large-v3

Modelos de IA

Whisper-large-v3 é um modelo avançado para reconhecimento automático de fala e tradução de fala, treinado com mais de 5 milhões de horas de dados. Oferece desempenho aprimorado em…

Modelos de IA e LLMs
Ver ferramenta

Modelos de IA

Modelo avançado para reconhecimento automático de fala e tradução de fala, treinado com mais de 5 milhões de horas de dados. Oferece desempenho aprimorado em…Whisper-large-v3 é um modelo avançado para reconhecimento automático de fala e tradução de fala, treinado com mais de 5 milhões de horas de dados. Oferece desempenho aprimorado em…

DestaqueModelos de IA e LLMs
Ver o Top 5 de Modelos de IA

Mistral Large 3 é um modelo de IA de ponta projetado para empresas, permitindo personalização, ajuste fino e implantação de assistentes e agentes de IA. Ele apresenta uma…

Modelos de IA e LLMs
Ver ferramenta

Modelo de IA de ponta projetado para empresas, permitindo personalização, ajuste fino e implantação de assistentes e agentes de IA. Ele apresenta uma…Mistral Large 3 é um modelo de IA de ponta projetado para empresas, permitindo personalização, ajuste fino e implantação de assistentes e agentes de IA. Ele apresenta uma…

DestaqueModelos de IA e LLMs
Ver o Top 5 de Modelos de IA
1 de 8