La Agencia de Prensa Saudí informó hoy, sábado 3 de octubre de 2026, de que NVIDIA utilizó SADA, el conjunto de datos de audio saudí publicado por la Autoridad Saudí de Datos e Inteligencia Artificial (SDAIA) junto con la Autoridad Saudí de Radiodifusión, para entrenar su modelo de reconocimiento automático del habla, Nemotron 3.5 ASR. Según el estudio que NVIDIA publicó en su blog para desarrolladores el 30 de septiembre, un modelo que antes se equivocaba en unas 55 de cada 100 palabras en el habla najdí y hiyazí ahora se equivoca en unas 30.

Esto importa a cualquier empresa que tenga un archivo de llamadas de clientes, una línea de atención al cliente o reuniones grabadas. Pero una cifra de titular no es una decisión. Este artículo explica para qué sirve este nivel de precisión y para qué no, la condición de licencia que la noticia no menciona y dónde deberían procesarse las voces de sus clientes.

Qué ocurrió, en cifras

  • El modelo: Nemotron 3.5 ASR, un modelo de transcripción en streaming de 600 millones de parámetros que cubre 40 combinaciones de idioma y región, 32 de las cuales transcriben desde el primer momento, con el árabe en su nivel listo para transcripción. Su página de Hugging Face indica que está listo para uso comercial, bajo la licencia OpenMDW-1.1.
  • Los datos: 133,7 horas de habla najdí y hiyazí procedentes de SADA. El equipo de NVIDIA lo mezcló en un 90 % de habla saudí con un 10 % de datos públicos de FLEURS (7 % inglés, 3 % árabe) para que el modelo no olvidara lo que ya hacía bien.
  • Tasa de error por palabra en najdí y hiyazí: del 55,05 % al 29,96 %. En todo el conjunto SADA y todos sus dialectos: del 58,84 % al 35,61 %.
  • Tasa de error por carácter en najdí y hiyazí: del 31,63 % al 12,18 %.
  • Sin pérdidas en las dos comprobaciones que hizo NVIDIA: el inglés mejoró ligeramente (del 11,04 % al 10,42 %), y también la prueba de árabe de FLEURS (del 12,67 % al 11,41 %).
  • Coste del entrenamiento: 12.000 pasos en unas cuatro horas y media con dos GPU de estación de trabajo RTX PRO 6000 Blackwell.
  • Velocidad: el modelo funciona con una latencia a partir de 80 milisegundos, y su página enumera cinco configuraciones de streaming de 80 a 1.120 milisegundos. Sin embargo, las tasas de error anteriores se midieron con el valor predeterminado de 320 milisegundos; la precisión mejora con fragmentos más grandes, así que las configuraciones más rápidas sacrifican algo de precisión a cambio de velocidad.

En cuanto al propio SADA, la agencia afirma que contiene unas 667 horas de audio transcrito, principalmente en dialectos saudíes, que abarcan más de diez dialectos en más de 125.000 clips etiquetados según el dialecto del hablante. La SDAIA lo publicó en Kaggle para investigadores y desarrolladores.

30 palabras erróneas de cada 100: para qué sirve y para qué no

La tasa de error por palabra cuenta cada palabra sustituida, omitida o añadida. Con un 30 %, la transcripción de un tramo de llamada de 100 palabras puede contener alrededor de 30 errores. Es una gran mejora respecto a 55, pero no convierte la transcripción en un registro literal en el que se pueda confiar.

La diferencia entre la tasa por palabra (alrededor del 30 %) y la tasa por carácter (alrededor del 12 %) tiene un significado práctico. Una palabra con una sola letra errónea cuenta como una palabra errónea entera, de modo que parte de los errores son una o dos letras dentro de una palabra, no una palabra perdida por completo. Por eso una transcripción puede ser más útil para buscar y etiquetar de lo que sugiere la cifra del 30 %, siempre que su búsqueda tolere grafías aproximadas en lugar de exigir una coincidencia exacta.

  • Sirve para: buscar en su archivo de llamadas el nombre de un producto o una queja recurrente, etiquetar llamadas por motivo, resúmenes que revisa un empleado y seleccionar llamadas para la revisión de calidad en lugar de escuchar al azar.
  • No es suficiente por sí sola para: un registro en el que confiaría en una disputa, ejecutar una instrucción financiera a partir de la transcripción de una llamada sin revisión, o un agente automatizado que toma literalmente las palabras del cliente y actúa en consecuencia.

Tenga en cuenta también que SADA procede de la televisión: más de 600 horas de más de 57 programas y series aportados por la Autoridad Saudí de Radiodifusión. La llamada de su cliente es audio telefónico, quizá desde un coche o una tienda concurrida, a veces con dos personas hablando a la vez. La propia NVIDIA escribió en el estudio que este flujo de trabajo no es una prueba para todos los dialectos árabes ni para todos los entornos de despliegue. La cifra que le importa es la cifra en sus propias llamadas.

La condición que la noticia omite: la licencia de SADA es no comercial

El modelo base tiene licencia para uso comercial. Sin embargo, el conjunto de datos SADA está publicado en Kaggle con la licencia Creative Commons CC BY-NC-SA 4.0: atribución, no comercial, compartir igual. Si quiere entrenar un modelo para su empresa con SADA, revise antes los términos de la licencia u obtenga el permiso del propietario de los datos, y no dé por hecho que estar abierto a los investigadores significa estar abierto a su producto.

NVIDIA publicó los pasos y el código del experimento en la propia entrada, y enlazó un cuaderno general de ajuste fino cuyos datos de ejemplo son un conjunto de datos en inglés, no SADA. Pero el estudio no dice que haya publicado el modelo ajustado con SADA. Lo que tiene a su disposición hoy es el modelo base y el método. Los datos que realmente tiene derecho a usar en su empresa son, en la mayoría de los casos, sus propias grabaciones.

Sus llamadas son los datos: qué preparar antes de cualquier prueba

  • Una muestra real: elija llamadas de su línea real, en los dialectos de sus clientes, con la calidad con la que graba su sistema, incluidas las difíciles con ruido, conversaciones superpuestas, números y nombres de productos.
  • Una transcripción de referencia: pida a un empleado que las transcriba a mano una vez. Esa transcripción es la regla con la que mide cada modelo y cada proveedor, no la demostración que trae el vendedor.
  • Mida lo que le importa: ¿captó el modelo el número de pedido, el nombre del producto y el motivo de la llamada? Esos campos importan más a su negocio que la tasa de error global.
  • Aviso y finalidad: la Ley de Protección de Datos Personales define los datos personales como cualquier dato, sea cual sea su origen o forma, que pueda identificar a una persona, incluidos los números de contacto, y trata la grabación, el almacenamiento, el uso y la transmisión como formas de tratamiento. Una llamada de cliente grabada suele ser un dato personal, y transcribirla es tratamiento. Asegúrese de tener una base legal para cada finalidad y de que el aviso de privacidad que su cliente escucha o lee cubra la transcripción y el análisis, sobre todo si piensa usar las grabaciones para entrenar un modelo. Lo tratamos en detalle en nuestro artículo sobre las conversaciones con clientes y la PDPL.

Dónde se procesan las voces de sus clientes

Aquí es donde los dos caminos realmente se diferencian:

  • Un modelo abierto en su propio servidor o en una nube dentro del Reino: el audio nunca sale del Reino, y usted decide cuánto tiempo se conserva y quién lo ve. Funciona mejor en un servidor con una GPU de NVIDIA (la página del modelo enumera arquitecturas de NVIDIA desde Volta hasta Blackwell, en Linux), y la página también menciona NeMo-Speech.cpp, un entorno de ejecución ligero de NVIDIA que puede ejecutarlo en una CPU corriente. Ajustarlo con sus llamadas sí requiere GPU, y en cualquier caso alguien tiene que operarlo y actualizarlo. Repasamos las cuentas del hardware en nuestro artículo sobre ejecutar modelos en sus propios servidores.
  • Un servicio de transcripción en la nube fuera del Reino: más fácil para empezar, pero las grabaciones de sus clientes viajan al extranjero, y la transferencia de datos personales fuera del Reino se rige por el Reglamento sobre la Transferencia de Datos Personales fuera del Reino, uno de los reglamentos de aplicación de la PDPL. Pregunte a su proveedor dónde se procesa y almacena el audio antes de preguntar por el precio.

Preguntas para su proveedor de centro de llamadas o de bot de voz

Si ya tiene un proveedor de centro de llamadas, o está considerando un agente de voz que atienda a sus clientes, estas preguntas revelan mucho en una sola reunión:

  • ¿Qué dialectos admite realmente su sistema y con qué datos midieron su precisión?
  • ¿Medirán la precisión con una muestra de nuestras llamadas, frente a una transcripción de referencia que elaboremos nosotros?
  • ¿Dónde se procesa el audio y dónde se almacena el texto, dentro del Reino o fuera?
  • ¿Usan nuestras grabaciones para entrenar sus modelos y cómo lo desactivamos?
  • ¿Cuánto tiempo conservan las grabaciones y las transcripciones, y podemos exportarlas y eliminarlas?

La visión de Origami

La voz es el dato más desaprovechado de una empresa saudí. Una llamada con una queja, un pedido o una promesa de un empleado termina, y después nadie la busca y nunca se vincula con el registro del cliente. Lo ocurrido con SADA demuestra que la brecha entre los modelos globales y nuestros dialectos se reduce con datos saudíes bien etiquetados, incluso en un modelo pequeño de 600 millones de parámetros.

Nuestra lectura para los empresarios: no empiecen con un agente automatizado que atienda a los clientes. Empiecen con un archivo en el que se pueda buscar, un etiquetado que vincule cada llamada con su motivo y con el registro del cliente en su sistema, y una persona que revise. Después, midan la precisión con sus propias llamadas antes de escalar. La primera decisión no es qué modelo elegir; es dónde se procesan las voces de sus clientes y quién es su propietario.

Conclusión

  • NVIDIA redujo los errores de su modelo en najdí y hiyazí de unas 55 a unas 30 palabras de cada 100, entrenando con 133,7 horas de datos de SADA.
  • Una tasa de error del 30 % basta para búsqueda, etiquetado y resúmenes con revisión humana, y no basta para un registro literal ni para una decisión automatizada.
  • El modelo base tiene licencia para uso comercial, pero SADA solo tiene licencia para uso no comercial, así que revise la licencia antes de construir sobre él.
  • Mida cualquier modelo o proveedor con una muestra de sus propias llamadas, frente a una transcripción de referencia que elabore usted.
  • Sepa dónde se procesa el audio y asegúrese de que su aviso de privacidad cubra la transcripción y el análisis.

Fuentes