Whisper large-v3-turbo vs Nemotron 3.5 Transcribe : lequel utiliser ?

Whisper large-v3-turbo est petit et très répandu ; Nemotron 3.5 Transcribe ajoute des étiquettes de locuteur et un style piloté par prompt. Comparez mémoire, langues et licences.

  • Mis à jour le

Verdict. Whisper large-v3-turbo est le petit standard bien soutenu : licence MIT, environ 6 GB de mémoire GPU et une foule d'applis et de runtimes communautaires. Nemotron 3.5 Transcribe est plus récent (octobre 2026) et bien plus grand (34B de paramètres, 4.3B actifs, environ 22 GB même en build NVFP4), mais vous pouvez lui demander en langage naturel des étiquettes de locuteur, un texte verbatim ou nettoyé, et la traduction. Il ne fonctionne que sur des enregistrements finis, pas sur de l'audio en direct. Les chiffres de précision des deux développeurs sont les leurs : testez votre propre audio.

Spécifications

Spécifications Whisper large-v3-turboNemotron 3.5 Transcribe
DéveloppeurOpenAINVIDIA
Date de sortie1 octobre 202428 octobre 2026
Paramètres totaux1.54B (large-v3)34B (BF16)
Paramètres actifsTous4.3B
ArchitectureAutreMixture of experts (MoE)
Fenêtre de contexte–64K tokens
EntréeAudioAudio, Texte
Licence MIT (Permissive) OpenMDW-1.1 (Permissive)
Mémoire pour la plus petite variante (4 bits)6 GB (large-v3-turbo)25 GB (NVFP4)

Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.

Choisissez Whisper large-v3-turbo si

  • Vous voulez l'option la plus légère : environ 6 GB de mémoire GPU pour le modèle turbo, qui tourne dans beaucoup d'applis communautaires.
  • Vous avez besoin d'horodatages par phrase ou par mot pour des sous-titres.
  • Vous voulez la licence MIT et le plus large support d'outils.
  • Vous avez besoin de traduction vers l'anglais : utilisez le checkpoint large-v3, car le turbo ne traduit pas.

Choisissez Nemotron 3.5 Transcribe si

  • Vous avez besoin d'étiquettes de locuteur (disponibles en 13 langues) ou d'un style de transcription pilotable par prompt.
  • Vous travaillez sur des enregistrements médicaux, juridiques ou techniques et pouvez fournir les termes attendus.
  • Vous avez besoin de la traduction, qui couvre 31 de ses 40 langues.
  • Vous avez une grande GPU (la fiche vise un seul H100 de 80 GB, et la build NVFP4 fait environ 22 GB) et ne traitez que des enregistrements finis d'une heure maximum.

Whisper large-v3-turbo · Nemotron 3.5 Transcribe