A Nvidia colocou em circulação em 28 de outubro de 2026 o Nemotron 3.5 Transcribe, sistema gratuito de peso aberto capaz de converter áudio em texto em 40 idiomas e verter 31 idiomas de e para o inglês. A iniciativa combina programa aberto para programadores com estímulo à demanda por processadores próprios em data centers, laptops e robótica.
Hardware como alavanca comercial
O lançamento adota a lógica de open-weight, formato em que os pesos treinados são publicados para uso e adaptação por terceiros, para atrair desenvolvedores sem cobrar licença pelo modelo. O cálculo da companhia passa por transformar adoção gratuita em consumo de inferência em seus chips. O Transcribe soma 30 bilhões de parâmetros, as conexões ajustáveis que definem a capacidade de um modelo, e foi desenhado para operar em apenas um processador.
A lista de plataformas compatíveis vai do controlador de robótica Jetson AGX Thor ao DGX Spark presente em novos laptops, até os Blackwell voltados a data centers. O porte contrasta com outro modelo vocal aberto da casa, o Parakeet, com 1,1 bilhão de parâmetros, posicionado para tarefas mais leves.
Raio de alcance em números
A ficha técnica concentra os atributos que interessam a quem cria aplicação de voz em escala.
| Métrica | Valor |
|---|---|
| Idiomas com transcrição | 40 |
| Idiomas com tradução de e para o inglês | 31 |
| Duração máxima por arquivo | 1 hora |
| Locutores distintos por áudio | 8 |
| Parâmetros do Transcribe | 30 bilhões |
| Parâmetros do Parakeet | 1,1 bilhão |
O suporte a gravações de até 1 hora atende reuniões longas e prontuários ditados, enquanto a separação de até 8 locutores entrega a chamada diarização, técnica que identifica quem disse cada trecho. A empresa afirma superar concorrentes em testes comparativos, os chamados benchmarks, citando o Open ASR Leaderboard da Hugging Face.
Uso mirado em reuniões e medicina
O público imediato são equipes que desenvolvem soluções para encontros corporativos e transcrição médica, duas frentes onde a voz por IA já tem presença consolidada no ambiente de trabalho. Para esses casos, a Nvidia oferece em conjunto o modelo, a versão 2 do conjunto aberto de voz Granary e recursos como o NeMo Speech.
A combinação permite ajustar o reconhecimento ao vocabulário de cada setor em cada idioma, do juridiquês de uma ata ao jargão clínico de um laudo. Há uma fronteira clara. O Transcribe lida com áudio gravado, sem operar com transmissões ao vivo, o que restringe atendimento em tempo real e eventos contínuos.
Corrida de voz acelera em outubro
O anúncio ocorre em uma sequência intensa de estreias no segmento. A Mistral distribuiu o Voxtral 3 no início do mês, a ElevenLabs apresentou o Realtime para fala instantânea em agentes de voz e a Salesforce introduziu o Launa-Omni.
A simultaneidade indica que transcrição, tradução e resposta falada deixaram de ser recurso acessório e passaram a núcleo de produtividade, atendimento e automação. Para a Nvidia, disputar o padrão aberto de voz significa influenciar qual pilha de software vai puxar ciclos de processamento nos próximos anos.
Leitura para o investidor brasileiro
Para quem acompanha a tese de infraestrutura de IA na B3 por meio de BDRs e ETFs, o recado é menos sobre o acerto em um teste público e mais sobre capilaridade. Modelo aberto reduz fricção de adoção, amplia base de desenvolvedores e cria caminho para venda de sistemas completos, de estação de trabalho a cluster.
O foco em medicina e reuniões aponta para contratos empresariais com exigência de precisão, privacidade e customização por idioma, atributos que tendem a exigir mais memória e computação. O limite em áudio gravado mostra que a monetização imediata está em pós-processamento e arquivo, não em centrais de atendimento ao vivo. A evolução a observar envolve custo por hora transcrita, suporte efetivo aos idiomas prometidos e conversão desse ecossistema em encomendas de Blackwell, DGX Spark e Thor.