NVIDIA veröffentlicht Nemotron 3.5 Transcribe, ein per Prompt steuerbares Sprachmodell
NVIDIA veröffentlichte Nemotron 3.5 Transcribe unter OpenMDW-1.1: 40 Sprachen, Sprecher-Labels, Übersetzung und per Prompt steuerbarer Stil, für Aufnahmen bis zu einer Stunde.
NVIDIA hat am 28. Oktober 2026 Nemotron 3.5 Transcribe unter der permissiven OpenMDW-1.1-Lizenz veröffentlicht. Zusammen mit dem Modell erschien ein Fine-Tuning-Toolkit in NeMo Speech und Version 2 des Sprachdatensatzes Granary.
Was ist neu
- Ein Modell, viele Aufgaben. Ein Audio-Encoder und ein Diarisierungsmodell, das ermittelt, wer wann gesprochen hat, speisen ein Mixture-of-Experts-Sprachmodell. Es beherrscht Transkription, Sprachübersetzung, Transkripte mit Sprecherzuordnung, Sprachenerkennung und Fragen zum Audio und kann Wort-level-Zeitstempel zurückgeben.
- Größe. Die Model Card listet rund 34 Milliarden Parameter insgesamt und 4,3 Milliarden aktive, Audio-Encoder inklusive.
- Abdeckung. Es unterstützt 40 Sprachen, davon 31 mit Übersetzung von oder ins Englische und 13 mit Sprecherzuordnung, bei Aufnahmen bis zu einer Stunde mit bis zu acht Sprechern.
- Steuerbarer Stil. Sie beschreiben das gewünschte Transkript in einer Textanweisung – etwa wortgetreuen Text oder Zahlen in Schriftform – oder liefern eine Liste erwarteter Namen und Begriffe.
- Nur offline. Es verarbeitet fertige Aufnahmen. Kein Live-Streaming-Erkenner.
NVIDIA berichtet eine mittlere Word Error Rate von 4,71 % auf dem englischen Open ASR Leaderboard und 4,62 % auf der multilingualen. Das sind Messungen des Entwicklers selbst – testen Sie das Modell mit Ihrem eigenen Audio.
Ausführen
Die BF16-Gewichte wiegen rund 68 GB, die FP8-Version etwa 35 GB und die NVFP4-Version rund 22 GB. Die Model Card nennt eine einzelne 80-GB-H100 als Deployment-Ziel, und GGUF-Dateien gibt es für NVIDIAs NeMo-Speech.cpp. Das macht es viel schwerer als Whisper large-v3-turbo, das rund 6 GB braucht. Unser Seite-an-Seite-Vergleich zeigt, wann sich die zusätzliche Größe lohnt, und die Seite der Sprachmodelle listet die Alternativen.
Lizenz
OpenMDW-1.1 ist eine kurze, permissive Lizenz für Machine-Learning-Modelle. Sie erlaubt Nutzung, Modifikation, Weitergabe und Verkauf des Modells und schränkt dessen Ausgaben nicht ein. Bei Weiterverbreitung müssen Lizenztext und Herkunftshinweise erhalten bleiben, und die Open Source Initiative hat die Lizenz nicht genehmigt. KI-Lizenzen erklärt behandelt den Vergleich mit Apache 2.0 und MIT.
Quellen
- NVIDIA Research: Nemotron 3.5 Transcribe (28 Oct 2026) research.nvidia.com
- Nemotron 3.5 Transcribe model card (Hugging Face) huggingface.co
- Hugging Face blog: Nemotron 3.5 Transcribe and Granary v2 huggingface.co
Modelle in diesem Artikel
| Modell | Erscheinungsdatum | Parameter | Kontext | Lizenz | Bedarf der kleinsten Variante |
|---|---|---|---|---|---|
| Nemotron 3.5 Transcribe EN NVIDIA | 34B 4.3B aktiv | 64K | OpenMDW-1.1 (Permissiv) | 25 GB Gaming-GPU |