Nvidia oeffnet Nemotron 3.5 Transcribe fuer 40 Sprachen

Nvidia hat Nemotron 3.5 Transcribe veroefentlicht, ein frei nutzbares Modell mit offenen Gewichten fuer Spracherkennung. Es transkribiert 40 Sprachen, uebersetzt 31 davon jeweils von oder ins Englische und kann in Aufnahmen bis zu acht Sprecher unterscheiden. Zusaetzlich laesst sich das Modell per natuerlicher Sprache anweisen, etwa ob ein geglaettetes oder wortgetreues Protokoll gewuenscht ist oder welche Fachbegriffe erkannt werden sollen. Ausgelegt ist es auf aufgezeichnetes Audio (nicht auf Live-Transkription) und verarbeitet bis zu eine Stunde pro Aufnahme. Trotz 34 Milliarden Parametern werden pro Schritt nur rund 4 Milliarden genutzt, was den Betrieb guenstiger und schneller machen soll. Laut Nvidia laeuft das Modell auf einem einzelnen Nvidia-Chip – von Jetson bis zu Rechenzentrums-GPUs – und die Lizenz erlaubt kommerzielle Nutzung.

Parallel dazu stellt Nvidia mit Granary v2 einen freien Datensatz mit 463.062 Stunden Sprachmaterial in 48 Sprachen bereit; die Audiodaten werden jeweils aus den Originalquellen unter deren Lizenzen bezogen. Fuer KMU ist das relevant, weil Open-Weights mehr Spielraum bei Datenschutz, Kosten und Anpassung geben als reine API-Angebote. Funktionen wie Uebersetzung und Sprecher-Diarization sind besonders praktisch fuer Meeting-Protokolle, Call-Auswertungen und Dokumentationspflichten, sofern Audio bereits aufgezeichnet vorliegt.