NVIDIA brengt Nemotron 3.5 Transcribe uit voor opgenomen spraak

Nemotron 3.5 Transcribe schrijft opgenomen spraak uit in 40 talen en bundelt vertaling, sprekerlabels en vragen over audio in één open model, meldt NVIDIA op 28 oktober.

Nederlandse klantcontactteams kunnen daarmee bestaande gesprekken uitschrijven en naar het Engels vertalen met een model dat ze zelf kunnen draaien. De modelkaart noemt Nederlands expliciet voor transcriptie en vertaling, maar vermeldt geen Nederlandse sprekerherkenning bij gesprekken met meerdere stemmen. Ook verwerkt het model opnames achteraf, niet een live gesprek.

Eén model bundelt meerdere taken

NVIDIA brengt een aparte spraakrelease uit binnen de Nemotron 3.5-familie. Dat is iets anders dan Nemotron 3.5 Super VL, een model met 120 miljard parameters dat tekst, afbeeldingen, documenten en video verwerkt. Transcribe richt zich op audio en is beschikbaar als open gewichten op Hugging Face en ModelScope.

Het model transcribeert 40 talen, vertaalt 31 talen naar of vanuit het Engels en ondersteunt sprekerlabels voor 13 talen. Het verwerkt opnames tot een uur lang en kan maximaal acht sprekers onderscheiden. Eén opname kan zo een woordelijk transcript, een opgeschoonde tekst, een vertaling of antwoorden op vragen over het gesprek opleveren. NVIDIA noemt ook tijdstempels per woord en aanwijzingen voor vaktermen.

De modelkaart noemt 34 miljard parameters in totaal, inclusief de audio-encoder, waarvan ongeveer 4,3 miljard actief zijn. De gewichten staan in BF16, FP8 en NVFP4. NVIDIA noemt een H100 met 80 GB geheugen voor BF16 en een RTX 5090 voor NVFP4. Het OpenMDW-1.1-modelakkoord staat gebruik, aanpassing en verspreiding toe, mits licentie en herkomstvermeldingen behouden blijven. Rechten van derden moet de gebruiker zelf controleren.

Nederlands heeft gemeten transcriptiewerk

In NVIDIA’s taakmatrix staat Nederlands als ondersteund voor spraakherkenning, vertaling naar en vanuit het Engels en codewisseling. Het kwaliteitslabel is “Leading”. Voor Nederlandse transcriptie met sprekerlabels noemt de matrix geen ondersteuning.

NVIDIA’s modelkaart rapporteert voor Nederlands gemiddeld 5,96 procent woordfout over FLEURS (3,94), Common Voice (5,49) en Multilingual LibriSpeech (8,45). Dat zijn openbare spraaksets, geen Nederlandse klantgesprekken met productnamen, slechte verbindingen of door elkaar pratende bellers. Audio-antwoorden op inhoud zijn alleen in het Engels geëvalueerd.

Een Nederlandse API-route bestaat ook bij Google: Gemini 3.5 Transcribe ondersteunt nl-NL voor opgenomen en live transcriptie. Daarmee verschillen de keuzes per workflow. Nemotron biedt open gewichten voor eigen inzet, terwijl taaldekking en sprekerlabels per taak gecontroleerd moeten worden.

Het model verwerkt opnames achteraf

NVIDIA beschrijft Transcribe als offline model, geen streamingdienst. Een opname kan tot een uur duren; de transcriptie volgt na verwerking van het bestand. TechCrunch bevestigt dat de release geen live audio verwerkt. Voor een klantenservice-afdeling past dat bij gespreksarchieven, kwaliteitscontrole en verslaglegging na afloop. Voor ondertiteling tijdens het gesprek of een agent die direct terugpraat, is een andere route nodig.

Mistral publiceerde op 20 oktober Voxtral 3 voor realtime transcriptie. Het bedrijf noemt ruim 40 talen, minder dan 500 milliseconden vertraging en 0,008 dollar per minuut voor de API. Mistrals realtime spraakstack voor transcriptie, redeneren en toolgebruik richt zich op live gesprekken; Nemotron verwerkt opnames achteraf.

De prijs per minuut is geen volledige kostenvergelijking. Met open gewichten vervalt een transcriptietarief, maar de organisatie beheert zelf GPU, beschikbaarheid, integratie en kwaliteitscontrole. De keuze hangt af van audiovolume en wanneer het transcript nodig is.

Benchmarks vragen om hun meetset

NVIDIA’s releasemateriaal toont 5,33 procent woordfout voor Engels op de Open ASR Leaderboard van Hugging Face, tegen 5,4 procent voor Qwen3-ASR-1.7B. Het verschil is 0,07 procentpunt. De modelkaart noemt elders 4,71 procent als gemiddelde over negen Engelse datasets. Het leaderboardcijfer en het gemiddelde over negen datasets hebben dus een andere meetbasis; NVIDIA verklaart de afwijking niet. De leaderboardgrafiek laat de eerste score zien, niet een voorspelling voor Nederlandse klantgesprekken. The Decoder beschrijft dezelfde leaderboarduitkomst van 5,33 procent voor Engels.

De bijbehorende Granary v2-release maakt openbare spraakdata en een herbruikbare verwerkingsketen beschikbaar voor aanpassing. NVIDIA noemt 463.062 uur aan openbare manifesten, verdeeld over 48 talen en 16 broncorpora. Dat is niet de volledige trainingsmix van het model. SiliconANGLE meldt dezelfde omvang voor de Granary v2-manifesten en dat ze 25 talen in de vorige versie opvolgen.

Een medische proef laat zien wat gerichte aanpassing kan doen, maar ook hoe smal zo’n uitkomst is. NVIDIA rapporteert voor 2.764 achtergehouden opnames van Indiase zorgprofessionals een daling in woordfout van 22,44 naar 12,17 procent na fine-tuning. Dat is een relatieve daling van 45,8 procent. De aanpassing vergde ongeveer 14 GPU-uren op één GB300. Dit resultaat hoort bij die medische dataset en zegt niet welke foutscore een Nederlandse klantenservice met eigen namen en telefoongeluid haalt.

De verschuiving zit in het samenbrengen van transcriptie, vertaling en sprekerlabels in één downloadbaar model. Voor Nederlandse organisaties maakt dat verwerking van gespreksarchieven concreet, maar het taalrooster verschilt per taak en de gepubliceerde scores zijn geen belofte voor eigen gesprekken. Concurrenten bouwen tegelijk aan live varianten. De praktische grens loopt daarom langs het gesprek zelf: welk deel moet na afloop worden doorzoekbaar, en welk deel moet tijdens het gesprek al reageren?