A NVIDIA apresentou em 28 de outubro o Nemotron 3.5 Transcribe, modelo de inteligência artificial para transcrever gravações e identificar quem falou. Segundo a empresa, um único modelo reúne transcrição, tradução de fala e identificação de idioma em 40 línguas, com suporte a gravações de até uma hora.
O formato da transcrição pode ser escolhido por uma instrução em linguagem natural, sem novo treinamento a cada solicitação. A fabricante descreve opções que preservam a fala original ou organizam sua forma escrita, além de identificação de falantes e marcação de tempo por palavra quando solicitadas.
Os pesos estão publicados em diferentes formatos. A NVIDIA informa aproximadamente 4,3 bilhões de parâmetros ativos na arquitetura e apresenta medições próprias de precisão e velocidade. Essas comparações dependem dos conjuntos de teste e do equipamento utilizados; não são uma medição independente de chamadas de qualquer empresa.
O que a licença estabelece
A página do modelo aponta a licença OpenMDW-1.1. O texto concede, gratuitamente e sob suas condições, direitos sobre os materiais fornecidos, que podem incluir arquitetura, parâmetros, documentação e software. A autorização de uso dos materiais não significa que a operação do modelo, sua infraestrutura ou serviços de terceiros não tenham custos.
Na redistribuição de materiais, a licença exige manter uma cópia do acordo e os avisos de copyright e de origem aplicáveis. Também informa que os materiais são fornecidos sem garantias e atribui ao usuário a responsabilidade de verificar outros direitos e obter consentimentos eventualmente necessários. O documento não impõe restrições próprias ao uso ou compartilhamento das saídas geradas.
Métricas de fala têm recortes
Um exemplo histórico independente vem do NIST. Em publicação de setembro de 2022, o instituto descreveu o desafio OpenASR21, realizado no ano anterior para 15 idiomas com poucos recursos de treinamento. A avaliação incluiu diferentes gêneros de dados e uma modalidade sensível a maiúsculas e minúsculas para examinar nomes próprios.
Aquele trabalho avaliou sistemas e condições diferentes dos apresentados agora pela NVIDIA. Serve como contexto sobre o desenho de testes de reconhecimento de fala, e não como comparação direta entre modelos atuais. O NIST registrou quinze equipes de sete países e 504 submissões avaliadas, com condições de treinamento restritas e resultados específicos por idioma.
Crédito e licença
Sede da NVIDIA em Santa Clara, fotografada em 4 de agosto de 2018. Coolcaesar/Wikimedia Commons; correções anteriores por Jacek Halicki. CC BY-SA 4.0. Redimensionamento com margens e conversão para WebP; adaptação sob a mesma licença.
Fontes e referências
As informações foram verificadas nas fontes abaixo. Novos fatos podem atualizar esta notícia.
Conteúdo de Angelo Sebastião Silva Goncalves. Preparado com apoio de IA. Consulte as fontes e os critérios editoriais. Conheça nossos critérios editoriais e como solicitar uma correção.
