Nvidia hat das offene Spracherkennungsmodell Nemotron 3.5 Transcribe vorgestellt, das mehrere wichtige Audio-Aufgaben – Transkription, Sprechererkennung und Übersetzung – in einem einzigen Modell vereint. Beeindruckend ist die Effizienz: Das Modell führt mehrere Benchmarks an, benötigt aber nur ein Sechstel der aktiven Parameter seines stärksten offenen Konkurrenten. Nvidia stellt zusätzlich einen großen Trainingsdatensatz mit über 800.000 Stunden Sprach-Material und Tools zur Feinanpassung bereit. Dies ist ein bedeutsamer Release im Open-Source-Bereich, der Entwicklern ermöglicht, leistungsstarke Sprachmodelle lokal einzusetzen.
