Whisper large-v3-turbo 与 Nemotron 3.5 Transcribe 对比
Whisper large-v3-turbo 体积小、支持广泛;Nemotron 3.5 Transcribe 增加了说话人标注和由提示词控制的风格。对比内存、语言和许可证。
结论. Whisper large-v3-turbo 是小巧、支持广泛的默认选择:MIT 许可证,约 6 GB 显存,有大量社区应用和运行时。Nemotron 3.5 Transcribe 更新(2026 年 10 月)也大得多(340 亿参数,激活 43 亿,即使是 NVFP4 也约 22 GB),但你可以用自然语言要求它输出说话人标注、逐字稿或整理后的文本,以及翻译。它只处理录制好的音频,不支持实时音频。两家开发者公布的准确率都是自己测的,请用你自己的音频测试。
规格
| 规格 | Whisper large-v3-turbo | Nemotron 3.5 Transcribe |
|---|---|---|
| 开发方 | OpenAI | NVIDIA |
| 发布时间 | 2024年10月1日 | 2026年10月28日 |
| 总参数量 | 1.54B (large-v3) | 34B (BF16) |
| 激活参数量 | 全部 | 4.3B |
| 架构 | 其他 | 混合专家(MoE) |
| 上下文窗口 | – | 64K token |
| 输入 | 音频 | 音频, 文本 |
| 许可证 | MIT (宽松) | OpenMDW-1.1 (宽松) |
| 最小版本所需内存(4 位) | 6 GB (large-v3-turbo) | 25 GB (NVFP4) |
性能数据来自开发方,未经独立验证。
选 Whisper large-v3-turbo 的情况
- 你想要最轻量的方案:turbo 模型约需 6 GB 显存,并且能在大量社区应用中运行。
- 你需要句级或词级时间戳来制作字幕。
- 你想要 MIT 许可证和最广泛的工具支持。
- 你需要翻译成英文:请使用 large-v3 检查点,因为 turbo 模型不支持翻译。
选 Nemotron 3.5 Transcribe 的情况
- 你需要说话人标注(13 种语言可用),或者想用提示词控制转写风格。
- 你处理医疗、法律或技术类录音,并且能提供预期出现的术语。
- 你需要翻译,它覆盖 40 种语言中的 31 种。
- 你有大显存的 GPU(模型卡以单张 80 GB 的 H100 为部署目标,NVFP4 版本约 22 GB),而且只处理最长一小时的已录制音频。