Nvidia, 40 dilde konuşma tanıyan açık model Nemotron 3.5 Transcribe'ı yayımladı

Nvidia, konuşmayı yazıya döken yeni modeli Nemotron 3.5 Transcribe'ı açık ağırlıklarla yayımladı. Model 40 dildeki ses kayıtlarını metne çeviriyor ve bir saate kadar uzunluktaki kayıtları işleyebiliyor. Lisansı OpenMDW-1.1. Yani model dosyaları herkese açık.

Hugging Face'teki model kartına göre model, etkin olarak yaklaşık 4,3 milyar parametre kullanıyor. Parametre, modelin öğrendiği ayarların sayısıdır. TechCrunch ise modeli 30 milyar parametreli olarak anıyor; model adındaki 30B ile de uyumlu.

Türkçe, model kartındaki dil tablosunda konuşma tanıma için "üretim kalitesi" (production-ready) düzeyinde işaretli. Çeviri özelliklerinde Türkçenin durumunu tablodan net okuyamadık, o yüzden bu konuda bir şey söylemiyoruz.

Nvidia, Open ASR Liderlik Tablosu'ndaki 9 genel veri kümesinde ortalama kelime hata oranını 4,71 olarak açıkladı. Aynı tabloda ona en yakın açık model olarak gösterilen Qwen3-ASR-1.7B 4,94 değerinde. Kelime hata oranı ne kadar düşükse model o kadar az yanlış yazıyor. Aradaki fark küçük ve rakamlar Nvidia'nın kendi ölçümü; bağımsız bir doğrulamasına bakmadık.

Model çevrimdışı çalışıyor. Model kartı bunu şöyle söylüyor: bu bir çevrimdışı modeldir, dahili ses parçalama onu gerçek zamanlı akış yapan bir konuşma tanıma servisine dönüştürmez. Yani hazır bir kayıt dosyası gerekiyor; canlı toplantıyı ya da yayını anlık yazıya dökmek için tasarlanmamış.