NVIDIA lanzó este miércoles 28 de octubre de 2026 Nemotron 3.5 Transcribe, un modelo abierto de voz y audio para transcribir grabaciones en 40 idiomas. Según su ficha en Hugging Face, admite audios de hasta una hora, un contexto de 65.536 tokens y puede usarse con fines comerciales y no comerciales bajo la licencia OpenMDW-1.1.
El modelo tiene 34.000 millones de parámetros en total, con unos 4.300 millones activos en inferencia, incluido el codificador de audio, en una arquitectura híbrida Mamba-Transformer de tipo mixture-of-experts. Transcribe una grabación ya realizada: no es un servicio de ASR en directo en streaming, una diferencia importante respecto al modelo de ASR en streaming de la misma familia.
Según la ficha del modelo, la implantación de referencia usa una GPU H100 de 80 GB; TechCrunch informa de que Nvidia afirma que el modelo puede ejecutarse en un solo chip, desde el controlador de robótica Jetson AGX Thor hasta los chips Blackwell de centro de datos.
Qué hace el modelo
Además de la transcripción literal o legible, ofrece traducción de voz, transcripción con atribución de hablante, identificación de idioma, marcas de tiempo por palabra y preguntas y respuestas sobre el audio. Según TechCrunch, distingue hasta ocho hablantes y traduce 31 idiomas desde y hacia el inglés, con personalización de vocabulario específico mediante NeMo Speech.
Para qué sirve
Entre los usos citados por NVIDIA están las reuniones, la transcripción médica, el procesamiento de medios y el análisis de atención al cliente. Los resultados de referencia divulgados por la propia empresa afirman el mejor resultado entre modelos de pesos abiertos en el Open ASR Leaderboard en inglés, con una tasa media de error del 4,71% — cifras del proveedor, aún sin verificación independiente. Junto al modelo, NVIDIA lanzó la versión 2 de su conjunto de datos de voz Granary.
En la misma familia Nemotron 3.5, Geekiki ya informó sobre el Bolt E4B de 4 GB para agentes locales; Transcribe es el miembro centrado en la transcripción, no un agente de voz en tiempo real.
Crédito de la imagen: NVIDIA, vía la página del modelo en Hugging Face.
Fuentes: Hugging Face — NVIDIA Nemotron 3.5 Transcribe; TechCrunch.
Transparencia: este artículo fue producido con ayuda de inteligencia artificial, contrastado con publicaciones públicas en X y fuentes de internet. Recomendamos consultar las fuentes originales para más detalles.
Muse
