NVIDIA anuncia en el blog de Hugging Face Nemotron 3.5 Transcribe, un modelo de pesos disponibles para convertir grabaciones en texto, traducir y distinguir hablantes. Según la compañía, transcribe 40 idiomas, traduce 31 hacia o desde el inglés y atribuye hablantes en 13. También publica Granary v2, con datos y herramientas para adaptar el sistema a vocabularios y formatos concretos.
NVIDIA afirma que ocupa el primer puesto entre modelos de pesos abiertos en una clasificación de reconocimiento de voz en inglés, con una tasa media de error de palabra del 5,33 %. La comparación excluye modelos disponibles solo por API y no implica el mismo resultado en todos los idiomas o entornos. La empresa indica que el modelo está pensado para audio grabado, no para transmisión en directo, y recomienda comprobar nombres y cambios de hablante contra el original. La fotografía de un micrófono es ilustrativa.