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

Whisper large-v3-turbo é pequeno e amplamente suportado; Nemotron 3.5 Transcribe adiciona rótulos de falante e estilo controlado por prompt. Compare memória, idiomas e licenças.

  • Atualizado

Veredito. O Whisper large-v3-turbo é o padrão pequeno e bem suportado: licença MIT, cerca de 6 GB de memória de GPU e muitos apps e runtimes da comunidade. O Nemotron 3.5 Transcribe é mais novo (outubro de 2026) e muito maior (34B parâmetros, 4.3B ativos, cerca de 22 GB até na build NVFP4), mas você pode pedir em linguagem natural rótulos de falante, texto literal ou limpo, e tradução. Ele só funciona em gravações prontas, não em áudio ao vivo. Os números de precisão dos dois desenvolvedores são deles, então teste com o seu próprio áudio.

Especificações

Especificações Whisper large-v3-turboNemotron 3.5 Transcribe
DesenvolvedorOpenAINVIDIA
Lançamento1 de outubro de 202428 de outubro de 2026
Total de parâmetros1.54B (large-v3)34B (BF16)
Parâmetros ativosTodos4.3B
ArquiteturaOutraMistura de especialistas (MoE)
Janela de contexto–64K tokens
EntradaÁudioÁudio, Texto
Licença MIT (Permissiva) OpenMDW-1.1 (Permissiva)
Memória para a menor variante (4 bits)6 GB (large-v3-turbo)25 GB (NVFP4)

As afirmações de desempenho vêm do desenvolvedor e não foram verificadas de forma independente.

Escolha Whisper large-v3-turbo se

  • Você quer a opção mais leve: cerca de 6 GB de memória de GPU para o modelo turbo, e ele roda em muitos apps da comunidade.
  • Você precisa de marcações de tempo por frase ou por palavra para legendas.
  • Você quer a licença MIT e o suporte de ferramentas mais amplo.
  • Você precisa de tradução para o inglês: use o checkpoint large-v3, porque o turbo não traduz.

Escolha Nemotron 3.5 Transcribe se

  • Você precisa de rótulos de falante (disponíveis em 13 idiomas) ou de um estilo de transcrição controlável por prompt.
  • Você trabalha com gravações médicas, jurídicas ou técnicas e pode fornecer os termos esperados.
  • Você precisa de tradução, que cobre 31 dos seus 40 idiomas.
  • Você tem uma GPU grande (a ficha mira um único H100 de 80 GB, e a build NVFP4 tem cerca de 22 GB) e só processa gravações prontas de até uma hora.

Whisper large-v3-turbo · Nemotron 3.5 Transcribe