Nvidia ha presentato Nemotron 3.5 Transcribe, un modello gratuito con pesi aperti per la trascrizione di registrazioni audio in fino a 40 lingue. Il rilascio è avvenuto il 28 ottobre 2026. Nello stesso annuncio, l’azienda ha pubblicato anche Granary 2, la seconda versione del proprio dataset open source dedicato al riconoscimento vocale.
Secondo Nvidia, il nuovo modello può tradurre 31 lingue da e verso l’inglese, elaborare registrazioni fino a un’ora di durata e distinguere fino a otto relatori. L’azienda dichiara inoltre che il sistema ottiene risultati superiori a quelli di modelli concorrenti nei benchmark, tra cui l’Open ASR Leaderboard di Hugging Face.
La destinazione dichiarata riguarda gli sviluppatori che costruiscono applicazioni per riunioni aziendali e trascrizione medica, due ambiti in cui l’AI vocale ha già raggiunto un’ampia diffusione nel mondo del lavoro. Per adattare questi prodotti al linguaggio di settori specifici, Nvidia indica la possibilità di utilizzare Nemotron 3.5 Transcribe, il dataset aggiornato Granary 2 e strumenti come NeMo Speech, così da riconoscere il gergo di un settore nelle diverse lingue. Un limite riguarda la modalità di funzionamento: il modello richiede registrazioni audio e non opera con flussi live.
Nonostante le dimensioni, pari a 30 miliardi di parametri, Nvidia sostiene che Nemotron 3.5 Transcribe possa essere eseguito su un singolo chip. Le configurazioni indicate vanno da Jetson AGX Thor, il controller robotico, e DGX Spark, il chip che alimenta i nuovi portatili, fino ai chip Blackwell per datacenter. Il modello si aggiunge così agli altri sistemi vocali a pesi aperti dell’azienda, fra cui Parakeet, presentato come un modello particolarmente compatto e potente, che conta 1,1 miliardi di parametri.
Il lancio coincide con una sequenza piuttosto affollata di novità nel campo dell’AI vocale. Mistral ha pubblicato Voxtral 3 all’inizio di ottobre 2026, ElevenLabs ha introdotto Realtime per la sintesi vocale immediata negli agenti vocali e Salesforce ha rilasciato Launa-Omni, un proprio modello dedicato alla voce.
