Nvidia hat am 28. Oktober 2026 Nemotron 3.5 Transcribe veröffentlicht, ein kostenloses Modell mit offenen Gewichten zur Transkription von Audioaufnahmen in bis zu 40 Sprachen. Gleichzeitig erschien die zweite Version des Open-Source-Sprachdatensatzes Granary.
Übersetzung und Unterscheidung von Sprechern
Laut Nvidia übersetzt das Modell zwischen Englisch und 31 weiteren Sprachen in beide Richtungen. Es kann Aufnahmen von bis zu einer Stunde verarbeiten und bis zu acht Sprecher unterscheiden.
Transcribe arbeitet mit gespeicherten Audioaufnahmen, nicht mit Live-Streams.
Werkzeuge für Entwickler
Das Modell und die zugehörigen Werkzeuge richten sich an Entwickler von Anwendungen für Geschäftsbesprechungen und medizinische Transkriptionen. Laut Nvidia können sie neben dem Modell auch den aktualisierten Granary-Datensatz und Werkzeuge wie NeMo Speech nutzen, um Anwendungen an die Fachterminologie einzelner Sprachen anzupassen.
Betrieb auf einem Chip und Testergebnisse
Das Modell hat 30 Milliarden Parameter und kann laut Nvidia auf einem einzelnen Chip laufen. Als Möglichkeiten nennt das Unternehmen Jetson AGX Thor, DGX Spark und Blackwell-Rechenzentrumschips.
Nvidia erklärt außerdem, das Modell übertreffe Konkurrenten in Benchmarktests, unter anderem im Open ASR Leaderboard von Hugging Face.
