Nvidia Rilis Model Suara Nemotron 3.5 untuk Catat Rapat Bisnis
Nvidia meluncurkan model AI gratis untuk mengubah rekaman suara menjadi teks. Alat ini bisa membedakan hingga delapan pembicara sekaligus.
Ilustrasi: liput24
Poin penting
- Nvidia merilis Nemotron 3.5 Transcribe untuk transkripsi audio hingga 40 bahasa secara gratis.
- Model ini mampu membedakan delapan suara berbeda dan memproses rekaman hingga satu jam.
- Sistem ini hanya bekerja pada rekaman suara dan belum mendukung siaran langsung.
Mencatat isi rapat penting sering memakan banyak waktu kerja. Banyak kantor masih menyuruh staf mengetik ulang percakapan rekaman secara manual.
Nvidia kini menawarkan jalan keluar baru untuk urusan tersebut. Raksasa cip ini merilis model kecerdasan buatan bernama Nemotron 3.5 Transcribe.
Model pengubah suara menjadi teks ini dibagikan secara gratis kepada publik. Pengembang peranti lunak bisa langsung memakai bobot model terbuka ini.
Fitur dan Kemampuan Nemotron 3.5
Menurut laporan TechCrunch, sistem ini mampu mengubah rekaman suara dalam 40 bahasa. Alat ini juga bisa menerjemahkan 31 bahasa ke dan dari bahasa Inggris.
Nvidia mengklaim perantinya sanggup memproses rekaman audio hingga durasi satu jam. Selain itu, sistem dapat membedakan sampai delapan orang pembicara.
Fitur pembeda suara sangat penting untuk notula rapat kerja. Notula rapat jadi jelas mencatat siapa yang memberi usulan dan keputusan.
Nvidia juga mengklaim model buatannya unggul dalam sejumlah uji tolok ukur. Salah satunya adalah papan peringkat Open ASR milik Hugging Face.
Nvidia ikut meluncurkan Granary versi kedua bersamaan dengan model ini. Granary adalah kumpulan data suara sumber terbuka untuk melatih sistem AI.
Pengembang bisa memadukan model baru ini dengan Granary dan alat NeMo Speech. NeMo Speech adalah peranti bantu buatan Nvidia untuk melatih model suara.
Perusahaan mengklaim kombinasi alat ini memudahkan penyesuaian istilah khusus. Istilah medis atau bahasa teknis industri kini bisa dikenali lebih tepat.
Kebutuhan Perangkat dan Keterbatasan
Model Nemotron 3.5 Transcribe memiliki ukuran 30 miliar parameter. Parameter adalah ukuran jumlah variabel yang dipakai AI untuk mengambil keputusan.
Nvidia mengklaim model ini cukup dijalankan pada satu keping cip tunggal. Cip itu mulai dari cip pusat data Blackwell hingga pengontrol robot Jetson AGX Thor.
Model ini bahkan diklaim bisa berjalan di cip DGX Spark untuk laptop baru. Nvidia sebelumnya juga memiliki model suara kecil bernama Parakeet berukuran 1,1 miliar parameter.
Namun, peranti baru ini memiliki satu kelemahan utama. Sistem ini hanya bisa memproses fail rekaman suara, bukan siaran langsung.
Persaingan teknologi suara berbasis kecerdasan buatan kini makin ketat. Mistral baru saja merilis Voxtral 3 pada awal bulan ini.
ElevenLabs juga telah meluncurkan Realtime untuk agen suara instan. Sementara itu, Salesforce turut menghadirkan model suara bernama Launa-Omni.
Apa Artinya bagi Pelaku Usaha
Kehadiran model gratis ini bisa menekan biaya langganan aplikasi transkripsi berbayar. Perusahaan kini bisa membangun alat pencatat rapat mandiri tanpa biaya lisensi mahal.
Para pimpinan bisnis juga dapat menjaga kerahasiaan data percakapan internal. Rekaman pembicaraan rapat tidak perlu dikirim ke server pihak ketiga.
Namun, pelaku usaha perlu menyiapkan tim teknis untuk memasang sistem ini. Perusahaan juga tetap membutuhkan perangkat keras dengan cip yang memadai.
- TechCrunch: Voice AI in vogue: Nvidia releases new open transcription model
Lihat hasil pemeriksaan (10 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Nvidia merilis Nemotron 3.5 Transcribe sebagai model transkripsi audio gratis dan berbobot terbuka yang mendukung hingga 40 bahasa. | Didukung | “Nvidia on Wednesday released Nemotron 3.5 Transcribe , a free, open-weight model that transcribes audio in up to 40 languages.” TechCrunch melaporkan rilis model Nemotron 3.5 Transcribe dengan lisensi terbuka, gratis, dan mendukung 40 bahasa. |
| Nvidia merilis versi kedua Granary, kumpulan data suara sumber terbuka miliknya. | Didukung | “It also released version 2 of Granary, its open source speech dataset.” TechCrunch menyebutkan peluncuran Granary versi 2 bersamaan dengan model tersebut. |
| Nvidia mengklaim Nemotron 3.5 dapat menerjemahkan 31 bahasa ke dan dari bahasa Inggris, menangani rekaman hingga satu jam, dan membedakan hingga delapan pembicara. | Didukung | “Nvidia boasts that Nemotron 3.5 can translate 31 languages to and from English, handle recordings up to an hour long, and tell up to eight speakers apart.” TechCrunch mengutip klaim Nvidia mengenai terjemahan 31 bahasa, durasi rekaman satu jam, dan pemisahan delapan pembicara. |
| Nvidia mengklaim model ini mengungguli pesaing pada tolok ukur seperti Open ASR Leaderboard milik Hugging Face. | Didukung | “It claims to beat rivals on benchmarks, including Hugging Face’s Open ASR Leaderboard .” TechCrunch melaporkan klaim keunggulan benchmark Nemotron 3.5 pada Open ASR Leaderboard Hugging Face. |
| Perangkat ini menargetkan pengembang aplikasi rapat bisnis dan transkripsi medis. | Didukung | “These tools target developers building apps for business meetings and medical transcription, two of AI’s most established footholds in the workplace.” TechCrunch menyatakan fokus target pengembang untuk rapat bisnis dan transkripsi medis. |
| Pengembang dapat menggunakan model ini bersama kumpulan data Granary dan NeMo Speech untuk menyesuaikan aplikasi mengenali jargon industri. | Didukung | “Nvidia says developers can use the model, the updated Granary dataset, and tools like its NeMo Speech model to customize apps to recognize an industry’s jargon in each language.” TechCrunch memaparkan integrasi dengan Granary dan NeMo Speech untuk kustomisasi jargon. |
| Nemotron 3.5 Transcribe hanya bekerja pada audio rekaman dan belum mendukung siaran langsung. | Didukung | “One drawback: Transcribe works with recorded audio, not livestreams.” TechCrunch mencatat kelemahan model yang hanya mendukung audio rekaman. |
| Nvidia menjanjikan model berukuran 30 miliar parameter ini bisa berjalan pada satu keping cip, mulai dari Jetson AGX Thor, DGX Spark, hingga cip pusat data Blackwell. | Didukung | “Still, the company promises Transcribe, at 30 billion parameters, can run on a single chip, from the Jetson AGX Thor robotics controller and DGX Spark chip powering new laptops , to Blackwell datacente” TechCrunch melaporkan janji efisiensi ukuran 30 miliar parameter pada berbagai cip Nvidia. |
| Nvidia sebelumnya memiliki model suara Parakeet berukuran 1,1 miliar parameter. | Didukung | “It joins Nvidia’s open-weight voice models, including the super small yet powerful Parakeet (1.1 billion parameters).” TechCrunch menyebutkan model Parakeet dengan ukuran 1,1 miliar parameter. |
| Mistral merilis Voxtral 3 pada awal bulan, ElevenLabs meluncurkan Realtime, dan Salesforce merilis Launa-Omni. | Didukung | “Mistral shipped Voxtral 3 earlier this month; ElevenLabs launched Realtime for instant speech in voice agents; and Salesforce released Launa-Omni, its voice model.” TechCrunch merangkum rilis model suara dari para pesaing di periode yang sama. |
Video AI terbaru
API credits, now in ChatGPT Pro and Business plans
