Whisper large-v3-turbo vs. Nemotron 3.5 Transcribe: welches nutzen?

Whisper large-v3-turbo ist klein und breit unterstützt; Nemotron 3.5 Transcribe ergänzt Sprecher-Labels und einen per Prompt steuerbaren Stil. Vergleichen Sie Speicher, Sprachen und Lizenzen.

  • Aktualisiert

Fazit. Whisper large-v3-turbo ist der kleine, breit unterstützte Standard: MIT-Lizenz, rund 6 GB GPU-Speicher und viele Community-Apps und Runtimes. Nemotron 3.5 Transcribe ist neuer (Oktober 2026) und deutlich größer (34B Parameter, 4.3B aktiv, rund 22 GB selbst im NVFP4-Build), aber Sie können ihm in natürlicher Sprache Sprecher-Labels, wörtlichen oder aufgeräumten Text sowie Übersetzung abverlangen. Es funktioniert nur auf fertigen Aufnahmen, nicht mit Live-Audio. Die Genauigkeitszahlen beider Entwickler sind deren eigene – testen Sie Ihr eigenes Audio.

Spezifikationen

Spezifikationen Whisper large-v3-turboNemotron 3.5 Transcribe
EntwicklerOpenAINVIDIA
Erscheinungsdatum1. Oktober 202428. Oktober 2026
Parameter insgesamt1.54B (large-v3)34B (BF16)
Aktive ParameterAlle4.3B
ArchitekturSonstigeMixture of Experts (MoE)
Kontextfenster–64K Token
EingabeAudioAudio, Text
Lizenz MIT (Permissiv) OpenMDW-1.1 (Permissiv)
Speicher für die kleinste Variante (4 Bit)6 GB (large-v3-turbo)25 GB (NVFP4)

Leistungsangaben stammen vom Entwickler und wurden nicht unabhängig überprüft.

Wählen Sie Whisper large-v3-turbo, wenn

  • Sie wollen die leichteste Option: rund 6 GB GPU-Speicher für das Turbo-Modell, und es läuft in vielen Community-Apps.
  • Sie brauchen Satz- oder Wort-Zeitstempel für Untertitel.
  • Sie wollen die MIT-Lizenz und die breiteste Tool-Unterstützung.
  • Sie brauchen Übersetzung ins Englische: Nutzen Sie den large-v3-Checkpoint, das Turbo-Modell übersetzt nicht.

Wählen Sie Nemotron 3.5 Transcribe, wenn

  • Sie brauchen Sprecher-Labels (in 13 Sprachen verfügbar) oder einen per Prompt steuerbaren Transkriptionsstil.
  • Sie arbeiten mit medizinischen, juristischen oder technischen Aufnahmen und können die erwarteten Fachbegriffe liefern.
  • Sie brauchen Übersetzung, die 31 von 40 Sprachen abdeckt.
  • Sie haben eine große GPU (die Modellkarte zielt auf eine einzelne 80-GB-H100, der NVFP4-Build ist rund 22 GB) und verarbeiten nur fertige Aufnahmen bis zu einer Stunde.

Whisper large-v3-turbo · Nemotron 3.5 Transcribe