Nvidia lança IA aberta que transcreve 40 idiomas, mas sem tempo real
Nemotron 3.5 Transcribe reconhece até 13 falantes diferentes e roda em um único chip. Limitação: só funciona com gravações já feitas, deixando o áudio ao vivo para rivais como a ElevenLabs.
Por Marina Sato · Repórter de IA
Nvidia aposta em transcrição offline com modelo aberto de 40 idiomas
A Nvidia lançou, em 28 de outubro de 2026, um modelo de IA aberto para transcrição de voz chamado Nemotron 3.5 Transcribe. Ele transcreve áudio em até 40 idiomas e traduz 31 deles de e para o inglês.
O modelo também identifica diferentes falantes em uma mesma gravação — até 13 vozes distintas — e processa arquivos de até uma hora de duração, com até oito participantes em uma mesma conversa. A Nvidia diz que ele lidera o ranking de modelos abertos de reconhecimento de voz em inglês no Hugging Face, com taxa média de erro de palavra de 5,33%.
Tecnicamente, o modelo tem 30 bilhões de parâmetros, mas usa só 4 bilhões ativos por etapa de processamento, o que permite rodar em um único chip gráfico. A licença é aberta e permite uso comercial, segundo a empresa.
A limitação principal: o Nemotron 3.5 Transcribe funciona apenas com gravações já feitas, não em áudio ao vivo. Isso restringe seu uso a aplicações como transcrição de reuniões corporativas e registros médicos, casos em que a gravação é processada depois do fato.
Esse recorte deixa de fora o mercado de transcrição em tempo real, hoje dominado por rivais como a ElevenLabs, startup especializada em voz sintética e ferramentas de IA de áudio, com seu serviço Realtime de fala instantânea. Mistral, com o Voxtral 3, e Salesforce, com o Luana-Omni, também competem nesse espaço de voz.
A Nvidia também lançou a segunda versão do Granary, dataset aberto com mais de 800 mil horas de fala em 48 idiomas, além de ferramentas de ajuste fino para personalizar o modelo por setor.
Fica para depois a resposta sobre quando — ou se — a Nvidia pretende levar essa tecnologia para transcrição em tempo real, e como o desempenho em português brasileiro se compara às línguas com mais dados de treinamento, como inglês e mandarim.