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。

  • 更新于

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-turboNemotron 3.5 Transcribe
开发方OpenAINVIDIA
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。

Whisper large-v3-turbo · Nemotron 3.5 Transcribe