Reconhecimento de fala no dispositivo com NVIDIA Nemotron

Dois problemas acompanham a transcrição local há muito tempo. A precisão ficava atrás da nuvem, e a transcrição de uma conversa com várias pessoas voltava como um único bloco de texto sem divisão, difícil de ler depois. Nemotron ajuda com os dois, e roda inteiramente no seu dispositivo.

Nemotron é o modelo de reconhecimento de fala no dispositivo da NVIDIA. A NVIDIA o lançou em junho de 2026, e o Hedy está entre os primeiros aplicativos a levá-lo para um produto em produção, não apenas para uma demonstração. Agora ele fica ao lado do Whisper e do Parakeet como um dos motores de fala que você pode escolher dentro do Hedy.

Um avanço claro em precisão local

A transcrição local sempre foi a escolha certa para pessoas que preferem manter suas conversas no próprio hardware. O problema era a precisão: modelos no dispositivo ficavam atrás da nuvem, às vezes o suficiente para perceber. Nemotron reduz essa diferença. Para reuniões e chamadas do dia a dia, a transcrição que ele produz é um avanço claro em relação ao que os modelos locais conseguiam antes, sem que nada saia do seu dispositivo para isso.

Se quiser o panorama mais amplo de como a transcrição no dispositivo se encaixa no Hedy, veja nossa visão geral de IA local para reuniões e o mergulho técnico em engenharia do Hedy 3.2.

Ele diferencia os seus falantes

A mudança maior está em como uma transcrição com várias pessoas aparece depois. A transcrição local mais antiga devolvia uma parede de texto sem noção de quem estava falando. Nemotron separa os falantes e os rotula: Speaker 1, Speaker 2, Speaker 3 e assim por diante. Uma reunião de vai e vem passa a ser lida como uma reunião de vai e vem.

Onde esses rótulos aparecem depende da sua plataforma:

• No iPhone e no Mac, os rótulos aparecem ao vivo enquanto as pessoas falam e a conversa alterna entre elas.
• No Windows e no Android, eles são adicionados ao final da sessão durante o processamento, então você os verá quando sua transcrição estiver pronta, em vez de em tempo real.

Duas versões: English e Multilingual

Nemotron vem em duas opções, e você escolhe a que combina com o seu trabalho. A versão English é ajustada para conversas apenas em inglês. A versão Multilingual lida com um amplo conjunto de idiomas a partir de um único modelo, e é a opção certa se suas reuniões alternam entre idiomas ou não são em inglês.

Você encontrará as duas em Settings, na seção Speech & AI, ao lado do Whisper. Trocar de motor leva apenas alguns toques. Para uma comparação lado a lado de todas as opções, veja como os motores de reconhecimento de fala do Hedy se comparam.

Seguindo em frente depois do Parakeet

Nemotron substitui o Parakeet. Ele faz o mesmo trabalho melhor, com transcrição mais precisa. Se você usa o Parakeet hoje, mude para o Nemotron. O Parakeet está sendo retirado, e Nemotron é onde esse trabalho continua. O Whisper permanece onde está, como o motor de compatibilidade mais ampla e uma boa opção padrão se você usa um dispositivo mais antigo ou simplesmente prefere ele.

O que você precisa para rodá-lo

No iPhone e no iPad, Nemotron precisa de um iPhone 12 ou mais recente, ou de um iPad dessa geração em diante. Dispositivos Apple mais antigos não verão a opção. Ele também roda em Mac, Windows e Android.

Abra Settings → Speech & AI, escolha Nemotron em English ou Multilingual, e sua próxima sessão será transcrita no seu dispositivo com os falantes rotulados. Mais fácil de ler depois, sem que nada disso tenha saído do seu dispositivo para acontecer.