NVIDIA lança modelo aberto que transcreve, separa quem fala e traduz áudio

Olha que novidade boa pra quem trabalha com áudio e vídeo 🎙️ A NVIDIA lançou o Nemotron 3.5 Transcribe, um modelo de pesos abertos (ou seja, que pode ser baixado e rodado por qualquer pessoa) que junta várias tarefas num lugar só.

Ele transcreve o áudio, identifica quem está falando, traduz e ainda responde perguntas sobre o conteúdo gravado. Em vez de usar uma ferramenta pra cada coisa, fica tudo concentrado num único modelo.

Um detalhe importante: ele foi pensado pra áudio já gravado. Não funciona como transcrição ao vivo, então não é a escolha pra legendar uma live em tempo real, por exemplo.

Onde ele brilha é na hora de legendar e transcrever vídeos e podcasts no próprio computador 💻 Pra quem produz conteúdo, isso pode economizar um bom tempo de trabalho manual.

Na prática, dá pra imaginar vários usos: pegar o episódio do seu podcast e gerar a transcrição com o nome de cada participante, legendar um vídeo antes de postar ou até jogar uma reunião gravada e perguntar "o que ficou decidido?". Tudo rodando na sua máquina, sem depender de serviço externo 🚀