Whisper large-v3-turbo vs Nemotron 3.5 Transcribe: ¿cuál usar?

Whisper large-v3-turbo es pequeño y está muy soportado; Nemotron 3.5 Transcribe añade etiquetas de hablante y estilo controlado por prompt. Compara memoria, idiomas y licencias.

  • Actualización

Veredicto. Whisper large-v3-turbo es el estándar pequeño y bien soportado: licencia MIT, unos 6 GB de memoria de GPU y multitud de apps y runtimes de la comunidad. Nemotron 3.5 Transcribe es más nuevo (octubre de 2026) y mucho mayor (34B parámetros, 4.3B activos, unos 22 GB incluso en su build NVFP4), pero puedes pedirle en lenguaje natural etiquetas de hablante, texto literal o limpiado, y traducción. Solo funciona con grabaciones terminadas, no con audio en vivo. Las cifras de precisión de ambos desarrolladores son suyas, así que prueba con tu propio audio.

Especificaciones

Especificaciones Whisper large-v3-turboNemotron 3.5 Transcribe
DesarrolladorOpenAINVIDIA
Lanzamiento1 de octubre de 202428 de octubre de 2026
Parámetros totales1.54B (large-v3)34B (BF16)
Parámetros activosTodos4.3B
ArquitecturaOtraMezcla de expertos (MoE)
Ventana de contexto–64K tokens
EntradaAudioAudio, Texto
Licencia MIT (Permisiva) OpenMDW-1.1 (Permisiva)
Memoria de la variante más pequeña (4 bits)6 GB (large-v3-turbo)25 GB (NVFP4)

Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.

Elige Whisper large-v3-turbo si

  • Quieres la opción más ligera: unos 6 GB de memoria de GPU para el modelo turbo, y corre en muchas apps de la comunidad.
  • Necesitas marcas de tiempo por frase o por palabra para subtítulos.
  • Quieres la licencia MIT y el soporte de herramientas más amplio.
  • Necesitas traducción al inglés: usa el checkpoint large-v3, porque el turbo no traduce.

Elige Nemotron 3.5 Transcribe si

  • Necesitas etiquetas de hablante (disponibles en 13 idiomas) o un estilo de transcripción que puedas dirigir con un prompt.
  • Trabajas con grabaciones médicas, legales o técnicas y puedes aportar los términos esperados.
  • Necesitas traducción, que cubre 31 de sus 40 idiomas.
  • Tienes una GPU grande (la ficha apunta a un solo H100 de 80 GB, y la build NVFP4 pesa unos 22 GB) y solo procesas grabaciones terminadas de hasta una hora.

Whisper large-v3-turbo · Nemotron 3.5 Transcribe