NVIDIA brengt Nemotron 3.5 Transcribe uit: open gewichten voor opgenomen audio, tussen technische details en openstaande verificatie

In een herfst waarin spraaktechnologie veel aandacht van de markt krijgt, zoals blijkt uit recente releases van concurrenten als Mistral en ElevenLabs die TechCrunch noemt, publiceerde NVIDIA op 28 oktober 2026 het model Nemotron 3.5 Transcribe. Anders dan Nemotron 3.5 ASR, een model van 0,6 miljard parameters voor realtime streaming dat in juni 2026 verscheen, is de nieuwe release met open gewichten bedoeld voor de analyse van audiobestanden die al zijn opgenomen. Volgens de officiële kanalen van het bedrijf op Hugging Face combineert het systeem transcriptie, vertaling, sprekertoewijzing en vragen over het spraaksignaal in één oplossing, op basis van een hybride Mamba-2/Transformer-architectuur van het type mixture-of-experts met een parallelle audio-encoder.

Wat de technische gegevens betreft, beschrijft de modelkaart een totale omvang van ongeveer 34 miljard parameters (waarvan ongeveer 4,3 miljard actief, encoder inbegrepen), terwijl de officiële naam "30B-A4B" en de blog uitgaan van ongeveer 30 miljard in totaal en 4 miljard actief: het verschil hangt ervan af of de audio-encoder wordt meegeteld. Het model wordt verspreid onder de licentie OpenMDW-1.1 voor commercieel en niet-commercieel gebruik en ondersteunt Italiaans in de prestatieklasse die het bedrijf 'Leading' noemt. Als hardware wordt een H100-GPU met 80 GB aanbevolen. Samen met het model stelde NVIDIA de open dataset Granary v2 beschikbaar, met 463.062 uur spraak in 48 talen; de originele audiobestanden moeten rechtstreeks van de bronplatforms worden gedownload, met inachtneming van de licentie van elk corpus. Bij de genoemde toepassingen liet de aanpassing aan het medische domein met de benchmark Eka Care zien dat na ongeveer 14 GPU-uur training op een NVIDIA GB300 de WER op clips die niet in de training zaten daalde van 22,44% naar 12,17%, een relatieve daling van 45,8% over 2.764 clips.

Wie de gepubliceerde gegevens nader bekijkt, ziet echter enkele tegenstrijdigheden en grenzen aan de verificatie. De prestatiemetingen komen uit interne tests of tests met partners, zonder onafhankelijke herhaling, zoals NVIDIA's eigen blog toegeeft. Daarnaast is er een verschil tussen het gemiddelde foutpercentage van 5,33% dat de blog noemt voor het Engelse Open ASR-klassement en de 4,71% die de modelkaart geeft als gelijk gewogen gemiddelde over negen datasets: waarschijnlijk zijn het twee verschillende berekeningen, maar het verschil wordt niet uitgelegd. Ook het snelheidscijfer (100 uur audio getranscribeerd in minder dan drie minuten) gaat over een NVFP4-versie die nog niet is uitgebracht. NVIDIA was duidelijk over het toepassingsgebied: de blog benadrukt dat "Transcribe is built for recorded audio, not live streaming" en de officiële modelkaart herhaalt dat de interne verwerking in audioblokken het systeem geen realtime transcriptiedienst maakt; evenzo onderscheiden de labels tot acht sprekers per bestand, zonder ze te identificeren.

Open gewichten en datasets geven ontwikkelaars concrete middelen, maar zolang de effectiviteit van een model alleen met de eigen meetlat van de maker wordt gemeten, blijft technische transparantie halverwege tussen aankondiging en echte verificatie.

— Olya