Atena
Analytikos
Fones de ouvido sobre um microfone de estúdio, em referência à transcrição de áudio

Nemotron 3.5 Transcribe: transcrição aberta com 40 idiomas

NAVEGAÇÃO RÁPIDA

Mais lidas

Carregando posts...

A Nvidia lançou o Nemotron 3.5 Transcribe, um modelo de transcrição de áudio com pesos abertos que cobre 40 idiomas, entre eles o português do Brasil. Para quem grava chamadas de atendimento e reuniões comerciais, a novidade reduz a dependência de serviços de transcrição pagos por minuto.

Segundo o TechCrunch, o modelo foi apresentado em 28 de outubro de 2026, junto com a versão 2 do Granary, conjunto de dados de fala aberto da empresa. Os detalhes técnicos, inclusive licença e benchmarks, estão na ficha técnica do modelo no Hugging Face.

Neste artigo: o que o modelo faz, o que a ficha técnica informa sobre português, licença e hardware, as divergências que encontramos entre as fontes e como transcrição entra em um fluxo de atendimento e CRM. Os números de desempenho são divulgados pela própria Nvidia.

O que é o Nemotron 3.5 Transcribe

É um modelo de reconhecimento automático de fala (ASR, na sigla em inglês) que converte gravações em texto. A reportagem do TechCrunch o descreve como gratuito, de pesos abertos, capaz de transcrever até 40 idiomas e de traduzir 31 idiomas de e para o inglês. Ele processa gravações de até uma hora e funciona com áudio gravado, não com transmissão ao vivo.

A Nvidia também afirma que o modelo supera concorrentes em benchmarks, incluindo o Open ASR Leaderboard da Hugging Face. A ficha técnica traz os números, resumidos no quadro a seguir.

Imagem: Analytikos, com dados da ficha técnica do modelo (Nvidia, Hugging Face).

Taxa de erro de palavras (WER, word error rate) é o percentual de palavras transcritas de forma incorreta: quanto menor, melhor. O valor multifalante usa uma variante (cpWER) que também considera a atribuição de cada trecho ao falante correto. O dado de português é uma média do idioma no leaderboard, não o resultado em ligações de atendimento brasileiras, que têm ruído, gírias e sobreposição de vozes.

Licença, português e hardware

A ficha técnica informa licença OpenMDW-1.1 e diz que o modelo está pronto para uso comercial ou não comercial, cabendo ao usuário cumprir a licença e as de terceiros. O português aparece nas variantes de Portugal e do Brasil, com qualidade classificada como “Leading” nas tarefas de transcrição, tradução, multifalante e troca de idioma na mesma fala. Compreensão de áudio e instruções faladas foram avaliadas apenas em inglês.

CaracterísticaDado informadoImplicação prática (Analytikos)
LicençaOpenMDW-1.1, uso comercial permitidoJurídico deve ler os termos antes de produção
PortuguêsPortugal e Brasil, qualidade “Leading”Testar com áudio real de atendimento antes de decidir
Tamanho34 bilhões de parâmetros, cerca de 4,3 bilhões ativosExige GPU: referência de uma H100 de 80 GB
Modo de usoOffline, até 1 hora por gravaçãoServe para análise pós-chamada, não para legenda ao vivo
FalantesMarcação de falantes na gravaçãoÚtil para separar atendente e cliente
Imagem: Analytikos, com dados da ficha técnica do modelo (Hugging Face).

Divergências entre as fontes

Duas diferenças merecem checagem antes de qualquer projeto. A reportagem do TechCrunch fala em 30 bilhões de parâmetros, e o nome do modelo carrega “30B”, mas a ficha técnica informa 34 bilhões no total, com cerca de 4,3 bilhões ativos. Além disso, a reportagem diz que o modelo diferencia até oito falantes, enquanto a ficha lista rótulos de falante de 0 a 3 no trecho que consultamos. Há mais conteúdo na ficha que não lemos por inteiro, então a conferência com a documentação completa é indispensável.

A ficha informa, como configuração de referência, uma GPU H100 de 80 GB com vLLM 0.32.0 e NeMo Speech, nas precisões BF16, FP8 e NVFP4, e lista outras placas, como A100, L40S e RTX 5090. Os resultados de comparação com concorrentes podem ser acompanhados no Open ASR Leaderboard.

Onde a transcrição entra no atendimento e no CRM

O ganho prático de uma transcrição precisa e barata é transformar conversa em dado: motivos de contato, objeções de venda, promessas feitas ao cliente. Isso alimenta o CRM com contexto que hoje fica preso em áudio. É o tipo de base que sustenta agentes de voz com IA e a qualidade do handoff de IA para humano.

Conheça a Orakulo, by Analytikos: WhatsApp, e-mail e atendimento de vários canais no mesmo CRM. Teste 7 dias grátis
Imagem: Analytikos.

Gravações de clientes são dados pessoais. Antes de transcrever em escala, defina base legal, aviso e prazo de retenção. Para o desenho de um projeto de IA do diagnóstico ao piloto, veja como implementar IA na empresa, e para o custo recorrente de rodar modelos, custo de IA.

Limites

O modelo não faz transcrição ao vivo, e os benchmarks são divulgados pela Nvidia. O TechCrunch também cita outros lançamentos recentes de voz, como o Voxtral 3 da Mistral, o Realtime da ElevenLabs e o Launa-Omni da Salesforce, o que indica um mercado em movimento: compare alternativas com a mesma amostra de áudio antes de decidir.

Perguntas frequentes

O Nemotron 3.5 Transcribe transcreve em português do Brasil?

Sim, segundo a ficha técnica: o português aparece nas variantes de Portugal e do Brasil, com qualidade classificada como “Leading”. Teste com áudio real do seu atendimento, porque o benchmark não reproduz ruído de chamadas.

O modelo pode ser usado comercialmente?

A ficha técnica informa a licença OpenMDW-1.1 e diz que o modelo está pronto para uso comercial ou não comercial. Leia os termos completos e as licenças de terceiros antes de usar em produção.

Ele funciona em tempo real?

Não. Segundo a ficha técnica e o TechCrunch, o modelo trabalha com gravações de até uma hora, não com transmissão ao vivo.

O que significa WER?

É a taxa de erro de palavras, o percentual de palavras transcritas incorretamente. Quanto menor, melhor. O valor de 4,06% para português é uma média do leaderboard, não o resultado em chamadas reais.

É seguro transcrever chamadas de clientes?

Gravações contêm dados pessoais. É preciso definir base legal, avisar o cliente e limitar o prazo de retenção, conforme a LGPD. Consulte o jurídico da empresa.

Conteúdos Relacionados

Compartilhar esse post
Facebook
WhatsApp
LinkedIn
Leia também:

Mais lidas

Carregando posts...

Conteúdos Relacionados:

Receba conteúdos exclusivos e novidades

SEO, GEO, GA4, CRM e IA aplicados a e-commerce, direto no seu e-mail.

Analytikos

Estratégia e resultados baseados em dados. SEO, GEO, CRM e IA para e-commerce, de Itajaí (SC) para o Brasil.

© 2026 Analytikos. Todos os direitos reservados.
Rolar para cima