A Nvidia disponibilizou o Nemotron 3.5 Transcribe, inteligência artificial que transcreve gravações em 40 idiomas. O anúncio de 28 de outubro também apresenta tradução, separação de falantes e respostas a perguntas sobre o áudio.
Recursos têm limites diferentes
Segundo a fabricante, o modelo recebe arquivos de até uma hora e rotula até oito falantes. A separação das falas abrange 13 idiomas; a tradução entre inglês e outros idiomas, 31. As coberturas de cada função são distintas.
A ferramenta foi desenvolvida para gravações, não para transcrever transmissões ao vivo.
Demonstração com aulas gravadas
A Agora, parceira do lançamento, descreve uma demonstração em que sua plataforma transmite uma aula e o navegador grava a sessão. Só depois do encerramento o áudio é enviado ao modelo da Nvidia. O resultado aparece junto à reprodução, com a transcrição associada ao momento em que cada palavra foi dita.
O exemplo mostra uma aplicação de consulta posterior ao conteúdo da aula. Não comprova que a transcrição ocorra durante a transmissão nem que a demonstração já suporte grandes audiências em produção: a própria Agora informa que o teste não foi realizado nessa escala.
Dados para adaptação
O lançamento inclui o Granary v2, com manifestos e ferramentas para preparar dados de fala. Os áudios devem ser obtidos separadamente, conforme as licenças originais. A disponibilidade dos materiais não significa uso irrestrito.
