Nemotron 3.5 Transcribe es un modelo de IA de NVIDIA que convierte grabaciones de voz en texto en 40 idiomas, español de España incluido. Salió el 28 de octubre de 2026 con pesos abiertos y licencia que permite el uso comercial gratis. También dice quién habla y traduce. No es una app: hace falta una tarjeta gráfica potente de NVIDIA o pagar por minuto a un proveedor. Y no transcribe catalán, euskera ni gallego.
Si has llegado buscando «nemotron», Google completa primero con «nemotron 3.5 transcribe», y detrás vienen «nemotron ai», «qué es nemotron» y «nemotron como usar». Este artículo contesta a esas preguntas con la ficha oficial del modelo y el anuncio de NVIDIA en Hugging Face enlazados junto a cada dato. Y añade tres cosas que no hemos visto en la cobertura en español de estos días: el precio por hora en euros, qué lenguas de España se quedan fuera y una web con el nombre de NVIDIA que no es de NVIDIA.
Qué es Nemotron y qué es Nemotron 3.5 Transcribe
Nemotron es la familia de modelos abiertos de NVIDIA; Transcribe es el que trabaja con voz. En su página para desarrolladores, NVIDIA define Nemotron como «una familia de modelos abiertos con pesos, datos de entrenamiento y recetas abiertos» pensada para construir agentes de IA especializados. Dentro de esa familia hay modelos de texto, como Nemotron 3.5 Lightning, y modelos de voz.
Nemotron 3.5 Transcribe está construido sobre Nemotron 3.5 Lightning, al que NVIDIA le ha añadido un codificador de audio. Según la ficha, el modelo recibe una grabación y una instrucción escrita, y devuelve texto. Con una sola descarga puede:
- Transcribir palabra por palabra, con muletillas incluidas, o en versión limpia y legible.
- Decir quién habla en cada momento, hasta ocho personas por grabación según el anuncio, con marcas de tiempo por palabra.
- Traducir entre el inglés y otros 31 idiomas, español incluido.
- Responder preguntas sobre la grabación, como «qué se decidió en esta reunión».
La ficha deja claro que es un modelo offline: trabaja sobre audios ya grabados, de hasta una hora, y no sirve para transcribir en directo una llamada mientras ocurre.
Cuándo salió y quién está detrás
Salió el 28 de octubre de 2026 y lo hace NVIDIA, la empresa estadounidense de las tarjetas gráficas. El apartado «Release Date» de la ficha da esa fecha para los cuatro canales de NVIDIA: build.nvidia.com, GitHub, Hugging Face y su catálogo NGC. El anuncio en el blog de Hugging Face, firmado por ocho personas de NVIDIA, lleva también fecha del 28 de octubre, igual que la entrada del blog de NVIDIA que lo presenta para sus portátiles RTX Spark.
Es un lanzamiento para desarrolladores. En España lo han contado unos pocos medios desde el 28 de octubre, como ABC, que destacó que es gratuito y transcribe en 40 idiomas.
Cómo se usa Nemotron 3.5 Transcribe, paso a paso
Hay tres maneras, de menos a más trabajo: la demo, un proveedor por API o instalarlo en tu propio equipo.
- Probar la demo. La ficha enlaza una demo oficial que NVIDIA mantiene en Hugging Face, con grabaciones de ejemplo. Sirve para ver lo que hace sin instalar nada. No subiríamos ahí grabaciones con datos de clientes: es una demo pública, no un servicio con contrato.
- Usarlo a través de un proveedor. La propia ficha de Hugging Face lo ofrece mediante sus proveedores de inferencia, que funcionan con una API compatible con la de OpenAI; el que aparece es DeepInfra. Mandas el audio y te devuelve el texto.
- Instalarlo en un servidor o un ordenador con GPU de NVIDIA. La ficha explica cómo servirlo con vLLM o SGLang-Omni, o cargarlo con la librería Transformers. El anuncio añade NeMo-Speech.cpp para ejecutarlo en local con las versiones comprimidas.
En las tres, lo que cambia el resultado es la instrucción. La ficha trae una guía con frases hechas en inglés: una para la transcripción literal, otra para el texto limpio, otra para etiquetar a cada persona, otra para traducir. Y permite añadir términos de contexto, como nombres de productos o de tratamientos, para que los escriba bien.
¿Nemotron 3.5 Transcribe es gratis? Cuánto cuesta en euros
El modelo es gratis; lo que se paga es el ordenador que lo mueve o el proveedor que lo mueve por ti.
La licencia es la OpenMDW-1.1, de la Linux Foundation. Su texto concede permiso «sin coste» para usar los materiales del modelo «sin restricción», y la ficha dice que el modelo está «listo para uso comercial o no comercial». Las obligaciones son pocas: si lo redistribuyes, tienes que incluir la licencia y los avisos de origen, y los derechos se pierden si demandas a alguien alegando que el modelo infringe una patente o un copyright. Lo que el modelo escribe no queda sujeto a ninguna condición.
Si no tienes la máquina, la página del modelo en DeepInfra lo cobra a 0,002 dólares por minuto de audio, según la consultamos el 1 de noviembre de 2026.
Cálculo propio con el tipo de referencia del Banco Central Europeo del 30 de octubre de 2026 (1 euro = 1,1172 dólares):
- Una hora de audio: 0,12 dólares, unos 0,11 euros.
- Cien horas de audio: 12 dólares, unos 10,74 euros.
Es una tarifa de DeepInfra, no de NVIDIA, y puede cambiar. No incluye impuestos.
Qué ordenador hace falta para instalarlo
Una tarjeta gráfica de NVIDIA de gama alta: no funciona en un portátil normal. El ejemplo de arranque de la ficha usa una H100 de 80 GB, una GPU de centro de datos. La tabla de compatibilidad incluye también una tarjeta de consumo, la RTX 5090, pero solo con la versión comprimida NVFP4. En total hay versiones en tres precisiones: BF16, la completa, y FP8 y NVFP4, comprimidas para equipos con menos memoria.
El modelo tiene 34.000 millones de parámetros, aunque solo activa unos 4.300 millones en cada paso. Todas las máquinas que aparecen en la tabla de la ficha son de NVIDIA: no hay ninguna de Apple, AMD o Intel. Funciona en Linux y en Windows.
¿Funciona en España y en español?
Sí en castellano, con la nota más alta de la ficha; no en catalán, euskera ni gallego.
La matriz de idiomas de la ficha pone el español (Estados Unidos y España) en el nivel «Leading», el de mejor calidad, con transcripción, traducción con el inglés, varias voces y mezcla de idiomas en la misma grabación. En la prueba FLEURS, la ficha da al español una tasa de error por palabra del 2,20 %: más o menos, dos palabras mal de cada cien en esas grabaciones de prueba.
Lo que no hemos visto contado en ningún sitio: entre los 40 idiomas no están el catalán, el euskera ni el gallego. Hemos repasado la lista completa de la ficha. Para un negocio de Cataluña, el País Vasco, Galicia o la Comunitat Valenciana que reciba audios en esas lenguas, el modelo no es la herramienta. Y el portugués sí está, en su variante de Portugal y en la de Brasil.
Hay otra limitación que importa: responder preguntas sobre el audio solo se probó en inglés. La ficha avisa de que la comprensión del audio y las instrucciones habladas «se evaluaron solo en inglés y pueden no funcionar de forma fiable en otros idiomas». Transcribir en español, bien; preguntarle qué se acordó en una reunión en español, sin garantías.
No hay restricción geográfica: el apartado «Deployment Geography» de la ficha dice «Global», y la descarga en Hugging Face está abierta, sin formulario de acceso.
Cuál es la web oficial de Nemotron y cuál no lo es
Lo oficial está en nvidia.com y en la cuenta de NVIDIA en Hugging Face; nemotron-ai.com no es de NVIDIA.
Las páginas oficiales son la ficha del modelo, dentro de la organización nvidia de Hugging Face; la página de Nemotron en developer.nvidia.com, y el informe técnico en research.nvidia.com. La ficha enlaza las tres.
El 1 de noviembre de 2026 abrimos varios dominios con el nombre del modelo. nemotron-ai.com se titula «NVIDIA Nemotron AI», enlaza modelos y tiene botones de «Get Started», pero al pie dice «Not affiliated with NVIDIA Corporation»: no está afiliada a NVIDIA, se presenta como un recurso informativo independiente. nemotron.ai, nemotron.com y nemotronai.com solo redirigen a una página de aparcamiento de dominio. Ninguna de esas cuatro es de NVIDIA.
Límites que reconoce la propia NVIDIA
La ficha dice que el modelo puede inventarse una transcripción verosímil. En su apartado de explicabilidad enumera estos errores:
- Palabras cambiadas, borradas, repetidas o directamente inventadas.
- El idioma equivocado.
- Frases atribuidas a la persona que no las dijo. Las etiquetas de hablante «no establecen la identidad real»: dicen «hablante 1» y «hablante 2», no quién es cada uno.
- Los términos de contexto que le das pueden empujarle hacia palabras incorrectas.
NVIDIA recomienda probarlo antes con grabaciones largas, voces que se pisan, ruido, nombres propios y mezcla de idiomas. Y el anuncio lo resume así: comprobar a mano los nombres, los cambios de hablante y las respuestas contra la grabación.
Qué cambia y qué no para un negocio pequeño en España
Cambia el coste de transcribir; no cambia que alguien tenga que montarlo y revisarlo.
Lo que cambia:
- Un modelo de transcripción que NVIDIA sitúa a la cabeza de los modelos abiertos, con el castellano entre sus idiomas mejor valorados, se puede usar sin pagar licencia y, si se instala en un servidor propio, sin que el audio salga de él.
- Por API, transcribir cien horas de grabaciones sale por unos diez euros al cambio actual.
Lo que no cambia:
- No hay una app para el móvil ni para el ordenador de la oficina. Es una pieza para quien desarrolla software.
- Grabar a clientes o empleados sigue teniendo las mismas reglas. Lo explicamos en si es legal grabar una reunión con IA.
- Si usas un proveedor como DeepInfra, el audio pasa por sus servidores y se rige por sus condiciones, no por las de NVIDIA.
Un ejemplo ilustrativo, no un caso real: una clínica dental de Sevilla graba con permiso las primeras visitas para no perder detalles del presupuesto. Con este modelo, un proveedor técnico podría pasar esas grabaciones a texto con «paciente» y «doctora» separados y con los nombres de los tratamientos bien escritos. Lo que no haríamos es guardar ese texto en la ficha del paciente sin que alguien lo lea antes contra el audio.
Alternativas a Nemotron 3.5 Transcribe
Si lo que buscas es voz en tiempo real, para que una IA hable con tus clientes por teléfono, es otro tipo de modelo: lo contamos en qué es GPT-Live, la voz de ChatGPT para la API. Para resumir reuniones sin montar nada, ChatGPT, Google Meet y Microsoft Teams ya traen herramientas propias, que repasamos en el artículo sobre grabar reuniones con IA. La diferencia de Nemotron 3.5 Transcribe es que el modelo es tuyo: lo puedes instalar donde quieras y adaptarlo a tu vocabulario.
La lectura de PotencIA
Esto es análisis nuestro, separado de lo que publica NVIDIA, y lo escribimos como parte interesada: montamos asistentes de IA y automatizaciones para pymes.
Lo que haríamos. Probar la demo con una grabación de ejemplo, no con una real. Y si un negocio recibe muchos audios en castellano y tiene quien lo integre, compararlo por API con lo que ya use, con sus propias grabaciones.
Lo que no haríamos. Usar sus respuestas a preguntas sobre audios en español como si fueran fiables: NVIDIA solo lo ha probado en inglés. Tampoco lo elegiríamos para clientes que hablen catalán, euskera o gallego.
Lo que vigilaríamos. Las versiones optimizadas que NVIDIA dice que todavía no ha publicado en abierto: la ficha reconoce que la integración del día del lanzamiento va «aproximadamente dos veces más lenta» que la de su servicio NIM.
Si lo que necesitas es que tu negocio atienda, reserve o tome pedidos sin montar tú las piezas, eso es lo que hacemos en nuestras soluciones de IA, como las reservas por voz.
Cómo hemos verificado esto
- Ficha oficial del modelo en
huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B, leída entera concurlel 1 de noviembre de 2026 (última modificación del repositorio: 29 de octubre): fecha de lanzamiento, licencia, hardware, idiomas, resultados por idioma, limitaciones y privacidad. La portada es una captura de esa página hecha con Chrome en modo headless, tras cerrar el aviso de proveedores de inferencia; Hugging Face la sirvió en modo oscuro. - Anuncio «NVIDIA Nemotron 3.5 Transcribe and Granary v2» en el blog de Hugging Face (28 de octubre de 2026) y entrada del blog de NVIDIA sobre RTX Spark (28 de octubre de 2026): fecha, idiomas que traduce, número de hablantes y despliegue local.
- Página de Nemotron en developer.nvidia.com y licencia OpenMDW-1.1 en openmdw.ai, leídas el mismo día. El informe técnico, solo comprobado como enlace activo desde la ficha.
- Demo oficial: comprobada con la API de Hugging Face (Space
nvidia/nemotron-transcribe, en funcionamiento el 1 de noviembre de 2026). No le subimos ningún audio. - Precio: página del modelo en deepinfra.com, leída el 1 de noviembre de 2026. La conversión a euros es un cálculo propio con el tipo del Banco Central Europeo del 30 de octubre de 2026.
- Dominios: nemotron-ai.com, nemotron.ai, nemotron.com y nemotronai.com abiertos con
curlel 1 de noviembre de 2026. La página de build.nvidia.com no la hemos podido leer: carga su contenido con JavaScript. - Demanda de búsqueda: autocompletado de Google en español para España, consultado el 1 de noviembre de 2026 con «nemotron», «nemotron ia», «que es nemotron», «nemotron como» y «nemotron 3.5».
- Contexto de prensa: titulares de Google Noticias en España del 28 al 31 de octubre de 2026 (ABC, Diario TI y otros), usados solo para saber qué se ha publicado.
- Las traducciones del inglés son nuestras. No hemos probado el modelo con audios propios: hacerlo exige una cuenta o una GPU que este flujo no usa.