Nvidia brengt open model voor transcriptie in 40 talen uit

Nvidia heeft woensdag Nemotron 3.5 Transcribe uitgebracht, een open-weight model dat opnames uitschrijft in 40 talen, sprekers uit elkaar houdt en kan vertalen. Het model is gratis te downloaden. Tegelijk verscheen versie 2 van Granary, de open spraakdataset waarmee Nvidia zijn modellen traint. Dat meldt TechCrunch.

Eén model voor opnames tot een uur

Nemotron 3.5 Transcribe verwerkt opnames van maximaal een uur en kan tot acht sprekers onderscheiden. Van de 40 talen kunnen er 31 van en naar het Engels worden vertaald. Volgens de modelpagina op Hugging Face zit Nederlands bij de talen voor transcriptie en vertaling. Sprekerherkenning werkt in 13 talen, en Nederlands hoort daar (nog) niet bij.

Een duidelijke beperking: het model werkt alleen met opgenomen audio. Livestreams en realtime gesprekken vallen buiten de boot. Wie dat nodig heeft, kijkt eerder naar de spraakmodellen van Microsoft voor realtime voice agents.

Onder de motorkap gaat het om 34 miljard parameters in totaal, waarvan per token ongeveer 4,3 miljard actief zijn. Nvidia koppelt een spraakencoder aan een hybride Mamba-Transformer met mixture-of-experts. Daardoor draait het geheel op één chip, van de Jetson AGX Thor voor robots tot de Blackwell-chips in datacenters. Het model valt onder de OpenMDW-1.1-licentie.

Sturen met een gewone instructie

Opvallend is dat je het model met tekst kunt bijsturen. In de technische blog van Nvidia op Hugging Face staat een voorbeeld uit de zorg: de ontwikkelaar geeft een lijst met mogelijke termen mee, zoals HbA1c en metformine, zodat die vakwoorden goed in het transcript komen. Het model levert ook tijdcodes per woord en kan in het Engels vragen over een opname beantwoorden. Nvidia noemt zakelijke vergaderingen en medische verslaglegging als belangrijkste toepassingen.

Op het Open ASR Leaderboard van Hugging Face haalt het model volgens Nvidia een gemiddelde woordfoutmarge van 5,33 procent op Engelse tests. Dat is de beste score onder open-weight modellen. Commerciële API’s staan niet in die vergelijking, dus over de concurrentie van gesloten diensten zegt het cijfer weinig.

Granary groeit naar 48 talen

De nieuwe Granary-dataset bevat 463.062 uur spraak in 48 talen, verzameld uit 16 bronnen. De eerste versie telde 25 talen. Bedrijven kunnen de dataset en de NeMo-tools gebruiken om het model bij te trainen op hun eigen jargon. In Nvidia’s eigen praktijkvoorbeeld kostte zo’n finetune ongeveer 14 GPU-uren op één GB300.

De release past in een drukke maand voor spraak-AI. Mistral bracht eerder in oktober Voxtral 3 uit voor spraak en voice agents, en ElevenLabs werkt al langer aan stemmodellen die ruim 90 talen spreken.

Wat betekent dit?

Voor Nederlandse organisaties die vergaderingen, interviews of spreekuren willen uitschrijven, komt er een serieus alternatief bij dat op eigen hardware draait. Dat scheelt bij privacygevoelige opnames, omdat audio het pand niet uit hoeft. Het gemis van Nederlandse sprekerherkenning is wel een praktisch nadeel: bij een overleg met vijf collega’s krijg je een nette tekst, maar zonder namen erbij.

Het laat ook zien hoe Nvidia zijn rol verbreedt. Het bedrijf verkoopt de chips en levert er steeds vaker gratis modellen bij, iets wat we eerder zagen bij de opmars van open modellen in het bedrijfsleven. Hoe goed het model op Nederlandse vergaderopnames presteert, moet in de praktijk nog blijken. Nvidia publiceerde daar geen aparte cijfers over.