Whisper large-v3-turbo против Nemotron 3.5 Transcribe: что использовать?
Whisper large-v3-turbo мал и широко поддерживается; Nemotron 3.5 Transcribe добавляет метки говорящих и стиль, управляемый промптом. Сравните память, языки и лицензии.
Вердикт. Whisper large-v3-turbo — маленький и широко поддерживаемый вариант по умолчанию: лицензия MIT, около 6 ГБ видеопамяти и множество приложений и рантаймов сообщества. Nemotron 3.5 Transcribe новее (октябрь 2026) и гораздо больше (34B параметров, 4.3B активных, около 22 ГБ даже в сборке NVFP4), но ему можно обычным языком поручить метки говорящих, дословный или вычищенный текст, а также перевод. Он работает только с готовыми записями, не с живым аудио. Показатели точности обоих разработчиков — их собственные, поэтому проверяйте на своём аудио.
Характеристики
| Характеристики | Whisper large-v3-turbo | Nemotron 3.5 Transcribe |
|---|---|---|
| Разработчик | OpenAI | NVIDIA |
| Дата выпуска | 1 октября 2024 г. | 28 октября 2026 г. |
| Всего параметров | 1.54B (large-v3) | 34B (BF16) |
| Активные параметры | Все | 4.3B |
| Архитектура | Другое | Смесь экспертов |
| Контекстное окно | – | 64K токенов |
| Вход | Аудио | Аудио, Текст |
| Лицензия | MIT (Пермиссивная) | OpenMDW-1.1 (Пермиссивная) |
| Память для минимального варианта (4 бита) | 6 GB (large-v3-turbo) | 25 GB (NVFP4) |
Заявления о производительности поступают от разработчика и не проверялись независимо.
Выбирайте Whisper large-v3-turbo, если
- Вам нужен самый лёгкий вариант: около 6 ГБ видеопамяти для turbo-модели, и она работает во множестве приложений сообщества.
- Вам нужны таймкоды по предложениям или словам для субтитров.
- Вам нужна лицензия MIT и самая широкая поддержка инструментов.
- Вам нужен перевод на английский: используйте чекпоинт large-v3, turbo-модель не переводит.
Выбирайте Nemotron 3.5 Transcribe, если
- Вам нужны метки говорящих (доступны на 13 языках) или стиль транскрипции, управляемый промптом.
- Вы работаете с медицинскими, юридическими или техническими записями и можете подсказать ожидаемые термины.
- Вам нужен перевод — он покрывает 31 из 40 языков.
- У вас большая GPU (карточка модели рассчитана на одиночную H100 на 80 ГБ, сборка NVFP4 — около 22 ГБ), и вы обрабатываете только готовые записи длиной до часа.