Nemotron trascrive una riunione e distingue chi ha detto cosa
NVIDIA pubblica un modello a pesi scaricabili che trascrive registrazioni, attribuisce le voci e traduce seguendo istruzioni. Supporta audio fino a un’ora; le lingue disponibili variano con il compito.
Che succede
Una trascrizione può riportare tutte le parole di una riunione e lasciarci ancora da ricostruire chi ha detto cosa. NVIDIA ha pubblicato Nemotron 3.5 Transcribe, un modello a pesi scaricabili al quale si può chiedere di trascrivere, distinguere i parlanti, tradurre o rispondere a domande sull’audio.
Lavora su registrazioni fino a un’ora e può etichettare fino a otto parlanti. Le lingue supportate cambiano con il compito: 40 per la trascrizione, 31 per la traduzione da o verso l’inglese, 13 per l’attribuzione delle voci. Le istruzioni possono anche suggerire la grafia di termini specialistici.
Il modello è disponibile su Hugging Face e ModelScope, con strumenti per adattarlo a vocabolari e accenti. È pensato per audio registrato: il caso d’uso è trasformare una riunione o una lezione in materiale consultabile, non sostenere una conversazione in diretta.
Perché conta
La parte promettente è poter interrogare la stessa registrazione senza trattare testo, voci e contenuto come lavori separati. Con i pesi scaricabili, chi costruisce l’applicazione può anche scegliere dove far elaborare quell’audio.
Vuoi sapere di più su pillole come questa?
Nella stessa edizione
Nemotron trascrive una riunione e distingue chi ha detto cosa
Artificial Analysis cambia i test: il divario fra le AI si allarga anche perché cambia il lavoro
Le TPU di Google usciranno dal suo cloud per arrivare anche su Oracle
Una causa accusa ChatGPT di aver aiutato Bowen Wan a ridurre i farmaci e nasconderlo ai medici
LFM3 porta immagini e voce nei piccoli modelli locali
Genie 4 dà una voce ai mondi che puoi esplorare e cambiare in tempo reale
Prossima Pillola