Reconocimiento de voz en tiempo real con 600 millones de parámetros + barreras de seguridad multimodales con 4 mil millones de parámetros, Nemotron 3.5, esta combinación funciona de maravilla, L40s puede ejecutarlo, con una auditoría de contexto de alrededor de 128k amigable, los clientes empresariales seguramente lo valorarán mucho.

Noticias de CoinWorld, Nvidia ha abierto el código de dos modelos especializados: el modelo de reconocimiento de voz multilingüe en tiempo real Nemotron 3.5 ASR con 600 millones de parámetros, y el modelo de protección de seguridad multimodal Nemotron 3.5 Content Safety basado en la afinación de Google Gemma-3-4b-it con 4 mil millones de parámetros.
Nemotron 3.5 ASR soporta la predicción adaptativa de puntuación y mayúsculas en más de 40 idiomas, con una latencia de inferencia en streaming inferior a 100 milisegundos, y puede lograr un alto rendimiento al desplegarse en tarjetas gráficas NVIDIA L40s.
El modelo de seguridad de contenido soporta 12 idiomas, incluyendo chino e inglés, abarcando 23 categorías de seguridad, y puede evaluar en un contexto de 128k tokens las indicaciones del usuario, imágenes ingresadas y respuestas del asistente, además de generar rastros de inferencia para auditoría empresarial.