NVIDIA solta IA que transcreve 40 idiomas de graça, e o truque é saber quem falou o quê
Modelo aberto, licença livre e um teste com filme de 1940: a IA separa quem está falando até quando todo mundo fala ao mesmo tempo.
A NVIDIA anunciou em 28 de outubro o Nemotron 3.5 Transcribe, um modelo de transcrição que reconhece até 40 idiomas, incluindo japonês, e processa arquivos de áudio de até uma hora. O ponto forte é a identificação de falantes: ele separa quem disse o quê mesmo com várias pessoas falando, incluindo sobreposição de vozes.
Para provar, a empresa soltou um vídeo com uma cena do filme de 1940 “His Girl Friday”, em que os personagens trocam réplicas em ritmo frenético, e a IA classificou cada fala por locutor. O modelo é gratuito e de código aberto no Hugging Face, sob a licença OpenMDW-1.1, com versão quantizada (que consome menos memória) prometida; nos rankings de transcrição, ficou avaliado como o melhor modelo aberto na seção em inglês.