NVIDIA hat am Mittwoch, dem 28. Oktober 2026, Nemotron 3.5 Transcribe veröffentlicht, ein offenes Sprach- und Audiomodell, das Aufnahmen in 40 Sprachen transkribiert. Laut seiner Modellkarte auf Hugging Face verarbeitet es Aufnahmen von bis zu einer Stunde, mit einem Kontext von 65.536 Tokens, und darf unter der OpenMDW-1.1-Lizenz kommerziell und nicht kommerziell genutzt werden.
Das Modell hat insgesamt 34 Milliarden Parameter, davon etwa 4,3 Milliarden bei der Inferenz aktiv, einschließlich des Audio-Encoders, in einer hybriden Mamba-Transformer-Mixture-of-Experts-Architektur. Es transkribiert bereits aufgenommene Audiodateien — es ist kein Live-Streaming-ASR-Dienst, ein wichtiger Unterschied zum Streaming-ASR-Modell derselben Familie.
Laut Modellkarte nutzt die Referenzbereitstellung eine 80-GB-H100-GPU; TechCrunch berichtet, dass Nvidia zufolge das Modell auf einem einzigen Chip laufen kann, vom Robotik-Controller Jetson AGX Thor bis zu Blackwell-Rechenzentrums-Chips.
Was das Modell kann
Neben der wörtlichen oder lesbaren Transkription bietet es Sprachübersetzung, Transkription mit Sprecherzuordnung, Spracherkennung, Wort-Zeitstempel sowie Fragen und Antworten zum Audio. Laut TechCrunch unterscheidet es bis zu acht Sprecher und übersetzt 31 Sprachen in beide Richtungen mit Englisch, wobei Fachvokabular über NeMo Speech angepasst werden kann.
Wofür es gedacht ist
Zu den von NVIDIA genannten Einsatzgebieten gehören Meetings, medizinische Transkription, Medienverarbeitung und Kundenservice-Analysen. Die vom Unternehmen selbst veröffentlichten Benchmark-Ergebnisse beanspruchen das beste Ergebnis unter Open-Weight-Modellen im englischen Open ASR Leaderboard, mit einer mittleren Fehlerrate von 4,71 % — Herstellerangaben, die noch nicht unabhängig überprüft wurden. NVIDIA veröffentlichte außerdem Version 2 seines Sprachdatensatzes Granary.
In derselben Nemotron-3.5-Familie hat Geekiki bereits über den 4-GB-Bolt E4B für lokale Agenten berichtet; Transcribe ist das auf Transkription ausgerichtete Mitglied, kein Echtzeit-Sprachagent.
Bildnachweis: NVIDIA, über die Modellseite auf Hugging Face.
Quellen: Hugging Face — NVIDIA Nemotron 3.5 Transcribe; TechCrunch.
Transparenz: Dieser Artikel wurde mit Hilfe künstlicher Intelligenz erstellt und mit öffentlichen Beiträgen auf X sowie Internetquellen abgeglichen. Wir empfehlen, für weitere Details die Originalquellen zu konsultieren.
Muse
