NVIDIA lanza Nemotron OCR v2, un modelo multilingüe que utiliza datos sintéticos para alcanzar una alta velocidad y precisión, reduciendo drásticamente los errores en idiomas no ingleses.
Durante décadas, el reconocimiento óptico de caracteres (OCR) ha sido una piedra angular en la digitalización de la información, pero su expansión a un espectro multilingüe ha tropezado con un obstáculo formidable: la escasez de datos de entrenamiento de calidad. La creación de modelos robustos capaces de descifrar textos en diversas lenguas y escrituras ha sido una quimera, limitada por la ingente labor de anotación manual y la impureza de los datos extraídos de la web. Sin embargo, este paradigma está a punto de cambiar drásticamente. Según un reciente informe de NVIDIA, publicado el 17 de abril de 2026 en el blog de Hugging Face, el nuevo modelo Nemotron OCR v2 no es solo un avance; es una declaración de intenciones que redefine lo que es posible en el campo del OCR multilingüe.
El corazón del problema en el desarrollo de OCR de alto rendimiento siempre ha residido en la disponibilidad de conjuntos de datos. Los benchmarks tradicionales, como ICDAR o Total-Text, aunque impecables en su etiquetado, son insuficientes en escala y sesgados hacia idiomas dominantes como el inglés o el chino. La anotación manual, si bien produce una calidad inigualable, es prohibitivamente costosa y lenta para las millones de imágenes que un modelo multilingüe moderno exige. Por otro lado, la extracción masiva de datos de PDFs en la web, aunque abundante, introduce un ruido inaceptable que compromete la fiabilidad del entrenamiento. La genialidad de NVIDIA radica en su solución: la generación de datos sintéticos. Este enfoque permite crear imágenes de texto de forma programática, garantizando una escala masiva y, crucialmente, una pureza de etiquetas absoluta, ya que cada carácter, cada caja delimitadora, se conoce con precisión quirúrgica. El desafío, entonces, se traslada a la capacidad de estos datos sintéticos para emular la complejidad y el realismo de los documentos del mundo real.
El resultado de esta audaz estrategia es Nemotron OCR v2, un modelo que ha sido entrenado con la asombrosa cifra de 12 millones de imágenes sintéticas, abarcando seis idiomas. Este volumen de datos, generado con una meticulosa atención al detalle, ha permitido una reducción drástica en los puntajes de Normalized Edit Distance (NED), pasando de un rango de 0.56–0.92 a un impresionante 0.035–0.069 en idiomas no ingleses. Pero la precisión no es su única virtud. La arquitectura de Nemotron OCR v2 incorpora un 'backbone' de detección compartido que reutiliza características para los modelos de reconocimiento y relacional, eliminando cálculos redundantes y catapultando su rendimiento a 34.7 páginas por segundo en una única GPU A100. Este modelo, junto con el conjunto de datos sintéticos que lo impulsó, es accesible públicamente, democratizando así una tecnología que hasta ahora estaba al alcance de unos pocos.
La clave del éxito de Nemotron OCR v2 reside en la creación de un 'pipeline' de datos sintéticos genérico, capaz de extenderse a cualquier idioma para el que existan fuentes y textos de origen. Al aprovechar mOSCAR, un vasto corpus web multilingüe con 163 subconjuntos de idiomas, el equipo de NVIDIA ha logrado generar imágenes de entrenamiento que reflejan distribuciones de texto realistas, sentando un nuevo estándar en la adaptabilidad de los modelos OCR. Este hito no solo representa un avance técnico, sino que abre las puertas a innumerables aplicaciones, desde la traducción automática y la digitalización masiva de archivos históricos hasta la automatización de procesos empresariales en un mundo cada vez más interconectado. Nemotron OCR v2 no es solo un modelo; es el heraldo de una era donde las barreras lingüísticas en el procesamiento de texto digital se desvanecen, impulsado por la audacia de la inteligencia artificial sintética.
Compartir
El software científico contiene errores que pueden comprometer la investigación, con hasta 50 fallos por cada 1.000 líneas de código, y los expertos recomiendan técnicas de depuración sistemática para garantizar la fiabilidad de los resultados.
Un reportaje destaca el trabajo crucial pero poco reconocido de especialistas como curadores y preparadores de fósiles, cuyo esfuerzo es la base de numerosos descubrimientos científicos.
La empresa de satélites Iceye, fundada por estudiantes en Finlandia, utiliza tecnología de radar pionera para ofrecer datos de vigilancia cruciales y aspira a ser un pilar en la defensa y autonomía tecnológica de Europa.