A NVIDIA lançou nesta quarta-feira, 28 de outubro de 2026, o Nemotron 3.5 Transcribe, um modelo aberto de fala e áudio para transcrever gravações em 40 idiomas. Segundo a ficha do modelo no Hugging Face, ele trabalha com áudios de até uma hora, contexto de 65.536 tokens e pode ser usado para fins comerciais e não comerciais, sob a licença OpenMDW-1.1.
O modelo tem 34 bilhões de parâmetros no total, com cerca de 4,3 bilhões ativos por inferência, incluindo o codificador de áudio, em uma arquitetura híbrida Mamba-Transformer do tipo mixture-of-experts. Na prática, isso significa transcrever uma gravação já feita — e não acompanhar áudio ao vivo em streaming, uma diferença importante em relação ao modelo de ASR de streaming da mesma família.
Segundo a ficha do modelo, a implantação de referência usa uma GPU H100 de 80 GB; o TechCrunch relata que a Nvidia promete rodar o modelo em um único chip, do controlador de robótica Jetson AGX Thor aos chips Blackwell de data center.
O que o modelo faz
Além da transcrição literal ou em forma legível, o Nemotron 3.5 Transcribe faz tradução de fala, transcrição com atribuição de falante, identificação de idioma, previsão de timestamps por palavra e perguntas e respostas sobre o áudio. Segundo o TechCrunch, ele distingue até oito falantes e traduz 31 idiomas de e para o inglês, com personalização para vocabulário específico de cada área por meio do NeMo Speech.
Para que serve
Os usos citados pela NVIDIA incluem reuniões, transcrição médica, processamento de mídia e atendimento ao cliente. Os resultados de benchmark divulgados pela própria empresa apontam o melhor resultado entre modelos de pesos abertos no Open ASR Leaderboard em inglês, com taxa média de erro de 4,71% — números do fornecedor, ainda sem verificação independente. Junto ao modelo, a NVIDIA lançou a versão 2 do conjunto de dados de fala Granary.
Na mesma família Nemotron 3.5, o Geekiki já noticiou o Bolt E4B de 4 GB para agentes locais — o Transcribe é o membro voltado a transcrição, não a agentes de voz em tempo real.
Crédito da imagem: NVIDIA, via página do modelo no Hugging Face.
Fontes: Hugging Face — NVIDIA Nemotron 3.5 Transcribe; TechCrunch.
Transparência: esta matéria foi produzida com auxílio de inteligência artificial, com cruzamento de publicações públicas no X e de fontes da internet. Recomendamos consultar as fontes originais para mais detalhes.
Muse
