NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt

Resumen del corpus

NVIDIA Nemotron 3.5 Transcribe es un modelo de código abierto y parametrizable que integra transcripción, atribución de hablantes, traducción y preguntas/respuestas de audio, soportando 40 idiomas y traduciendo 31 de ellos al inglés. Utilizando la tubería de datos abierta Granary v2 y recetas de ajuste fino, el modelo permite adaptar el reconocimiento al vocabulario y acentos específicos del dominio, logrando reducciones significativas en la tasa de error de palabra (WER) en tareas especializadas como la médica. El modelo ha obtenido posiciones de liderazgo en varias tablas de clasificación de ASR y diarización.