NVIDIA presentó Nemotron 3.5 Transcribe el 28 de octubre. Su anuncio describe transcripción en 40 idiomas, traducción entre inglés y 31 idiomas y atribución de hablantes en 13. También presenta Granary v2, con datos y herramientas de adaptación. El modelo está dirigido a audio grabado, no a transmisión en directo.

Qué añade la ficha del modelo

La ficha oficial enumera 34.000 millones de parámetros totales, incluido el codificador de audio, con unos 4.300 millones activos. Su despliegue de referencia utiliza una H100 con 80 GB de memoria. La documentación diferencia tareas e idiomas compatibles y ofrece orientación de configuración. Estos datos describen un entorno documentado, no unos requisitos mínimos universales.

Cómo lo evaluaríamos en Linux

Nuestra primera prueba propuesta utilizaría una grabación corta con una transcripción revisada manualmente. Anotaríamos por separado las palabras incorrectas, si cada frase corresponde a la persona adecuada y si el formato de salida sirve para la aplicación prevista. Separar estas preguntas facilita identificar qué necesita mejorar.

Después añadiríamos una grabación más difícil, parecida al trabajo real. Mantendríamos su resultado esperado fuera de los ejemplos utilizados para ajustar el sistema. Compararíamos las mismas entradas e instrucciones antes de modificar parámetros y registraríamos las versiones exactas del programa y el modelo. Es un plan de evaluación, no el resultado de pruebas realizadas por nosotros.

Decide dónde realizar la prueba

Para un servidor Linux pequeño, recomendamos fijar un presupuesto de recursos antes de descargar un modelo grande. Considera otro equipo de pruebas o un servicio alojado si la configuración documentada queda fuera de ese presupuesto. Compara el esfuerzo de mantener el sistema con el valor de la tarea que resolvería: ejecutarlo localmente es una decisión de despliegue, no un objetivo por sí mismo.