Nvidia lanserar ny öppen modell för taligenkänning

Nvidia har introducerat en ny modell för tal-till-text som erbjuder transkribering på 40 olika språk. Mjukvaran är öppen för allmänheten men fungerar uteslutande på förinspelat material, vilket begränsar dess användningsområde jämfört med realtidstjänster.

Fokus för den nya tekniken ligger på sektorer som kräver hög precision vid dokumentation efter möten eller medicinska konsultationer. Genom att fokusera på analys av inspelat ljud särskiljer sig Nvidia från konkurrenter som ElevenLabs, som främst inriktar sig på live-analys av tal.

Introduktionen av modellen markerar ett steg i Nvidias breddning inom AI-baserad ljudbearbetning. Eftersom tekniken saknar stöd för live-interaktion förblir den ett komplement till, snarare än en ersättare för, realtidsorienterade transkriberingsverktyg.