La IA gratis de Nvidia que sabe quién habla en tus reuniones

Nemotron 3 Diarization es un modelo de inteligencia artificial gratuito que Nvidia acaba de publicar para identificar quién habla en una grabación o videollamada, distinguiendo hasta ocho voces distintas en tiempo real. Combinado con un sistema de transcripción, convierte una reunión en un texto donde se ve con claridad qué dijo cada persona, sin pagar ninguna licencia.

Seguro que te suena: sales de una reunión con el cliente, alguien tomó notas a mano y al final nadie recuerda quién se comprometió a qué. Las grabaciones automáticas ayudan, pero cuando hablan varias personas, la transcripción se convierte en un texto plano casi imposible de seguir. La nueva IA de Nvidia ataca justo ese problema.

¿Qué ha cambiado exactamente?

Nvidia ha publicado Nemotron 3 Diarization con acceso libre a sus pesos, es decir, cualquier desarrollador puede usarlo sin pagar. Su trabajo es sencillo de explicar: escucha un audio y marca en qué momento habla cada persona, aunque hablen ocho personas distintas o dos se solapen a la vez. Combinado con un motor de reconocimiento de voz, el resultado es una transcripción con etiquetas por interlocutor.

El dato importante es la precisión: según los benchmarks recogidos por The Decoder, el modelo reduce la tasa de error un 41% frente a su predecesor, y actualmente encabeza la clasificación independiente Diarization-Bench con un 14,72% de error, por delante del siguiente sistema mejor valorado. Funciona tanto con grabaciones ya guardadas como con audio en directo.

¿Qué significa esto para tu empresa?

Para una pyme, lo relevante no es el modelo en sí, sino lo que va a permitir a las herramientas que ya usas. Este tipo de tecnología suele llegar en pocos meses a apps de videollamadas, transcriptores y CRMs, igual que ocurrió antes con otros modelos abiertos de voz.

Una gestoría podría convertir cada reunión con un cliente en un acta clara, con cada punto asignado a quien lo dijo, sin depender de que alguien tome notas a mano.

Una clínica dental podría grabar la consulta y separar automáticamente lo que dice el profesional de lo que dice el paciente, facilitando el historial sin esfuerzo añadido.

Una tienda online con atención telefónica podría revisar llamadas de soporte y saber, sin escucharlas enteras, en qué momentos habla el cliente y en cuáles el agente, para detectar quejas o mejorar guiones.

Lo interesante es que, al reducir el error un 41% respecto a la versión anterior según The Decoder, estas transcripciones empiezan a ser lo bastante fiables como para usarlas de verdad en el día a día, y no solo como borrador que hay que revisar entero.

Cómo empezar hoy

1. Revisa si la herramienta de videollamadas o transcripción que ya usas (Zoom, Teams, Otter u otra) tiene previsto añadir identificación de interlocutores; muchas lo incorporarán pronto apoyándose en modelos abiertos como este.

2. Identifica qué reuniones o llamadas te aportarían más valor si quedaran transcritas por persona: comités, consultas con clientes, llamadas de soporte.

3. Habla con quien te dé soporte técnico o con un consultor de IA para valorar una integración a medida si tu volumen de reuniones lo justifica.

4. Mientras tanto, sigue grabando con consentimiento y guarda el audio: cuando la función llegue a tus herramientas habituales, podrás aprovechar también las grabaciones antiguas.

Preguntas frecuentes

¿Necesito saber programar para aprovechar esta tecnología? No directamente. Nvidia libera el modelo para que otras empresas lo integren en sus aplicaciones. Como pyme, lo notarás cuando llegue a las herramientas de videollamada o transcripción que ya usas, no como algo que instalas tú mismo.

¿Es realmente gratis o hay letra pequeña? El modelo en sí es de acceso libre y sin coste de licencia para quien lo integra. Que una aplicación concreta te lo ofrezca gratis o dentro de un plan de pago dependerá de cada proveedor, como ocurre con cualquier tecnología que incorporan.

¿Puedo usar ya esto en mi empresa? Ahora mismo es una pieza técnica pensada para desarrolladores. Lo normal es que en los próximos meses aparezca integrada en apps de reuniones y atención al cliente que ya conoces, sin que tengas que cambiar de herramienta.

Este tipo de avances suele quedarse en algo abstracto hasta que aparece dentro de la aplicación que usas cada día, y ahí es donde marca la diferencia real en una empresa pequeña. En AMINGROWTH te ayudamos a implementar sistemas de automatización con IA que aprovechen estas novedades en tu operativa diaria, y a que tu equipo saque partido real con formación en IA para tu equipo, que además gestionamos para que puedas bonificarla a través de FUNDAE. ¿Cuánto tiempo dedica tu equipo hoy a pasar a limpio lo que se habla en una reunión?

Fuentes: The Decoder