NVIDIA lança Nemotron 3.5 Transcribe com transcrição de áudio e suporte a português

A gravação pode virar diferentes tipos de texto

O formato é escolhido por instruções: uma transcrição pode preservar a fala literal ou organizar números e pontuação. Também é possível fornecer termos e nomes esperados para orientar a grafia, sem retreinar o modelo a cada pedido.

Fontes desta seção: [3] [1]

Português está na lista, mas as tarefas variam

A matriz oficial relaciona português do Brasil e de Portugal para transcrição, tradução de e para inglês e transcrição com múltiplos falantes. Os rótulos distinguem vozes dentro da gravação; não estabelecem a identidade real das pessoas. O suporte não é idêntico para todos os idiomas.

Fontes desta seção: [2]

O foco é áudio já gravado

O cartão informa processamento de gravações de até uma hora. Ele esclarece que dividir o áudio internamente não transforma o modelo em um serviço de transcrição ao vivo. A cobertura da The Next Web também destaca esse limite.

Fontes desta seção: [2] [4]

Pesos abertos não eliminam erros

A distribuição segue a licença OpenMDW-1.1. A NVIDIA registra limitações como repetições, reconhecimento incorreto e troca de falantes, especialmente em situações que exigem avaliação própria. Os resultados publicados pela empresa não equivalem a testes do Garimpanda.

Fontes desta seção: [2]

Olhar do Garimpanda

Nossa leitura é que a novidade útil está no controle sobre a forma do texto, além do reconhecimento da fala. Para reuniões e entrevistas, nomes e atribuição de falas continuam merecendo revisão. Não executamos o modelo nem avaliamos sua precisão em português brasileiro.