Nvidias kostenloses Nemotron 3.5 Transcribe beherrscht 40 Sprachen

Transcribe übernimmt auch Sprecherkennzeichnung und Übersetzung selbst, sodass ein einziger Modelllauf die mehreren Schritte ersetzt, durch die Audio in einer typischen Transkriptions-Pipeline läuft, berichtet SiliconANGLE. Eine schriftliche Anweisung, ein Prompt, legt fest, was entstehen soll, etwa eine Übersetzung oder die in einem Meeting getroffenen Entscheidungen. Das Modell hat 30 Milliarden Parameter, die gelernten Werte, aus denen ein Modell besteht, und nutzt für jede einzelne Anfrage 4 Milliarden davon. Laut Nvidia passt es auf eine einzelne GPU, von einer Blackwell-Rechenzentrumskarte bis zu einer kleinen DGX-Spark- oder Jetson-Box; welche Komprimierung nötig ist, hängt von der Hardware ab. Granary v2, der kostenlose Sprachdatensatz hinter dem Modell, erschien am selben Tag.

Was das Mieten einer solchen Karte kostet, steht in unserer Preisübersicht für Cloud-GPUs (gelesen am 24. Oktober 2026). Eine RTX PRO 6000, eine Blackwell-Karte mit 96 GB Speicher, kostet beim günstigsten verifizierten Host von Vast.ai 1,08 $ pro Stunde und in der Community Cloud von Runpod 1,69 $.

Bei 16-Bit-Genauigkeit belegen 30 Milliarden Parameter etwa 60 GB und passen damit in die 96 GB der RTX PRO 6000. Ein Team, das diese Karte ohnehin für Videoarbeit mietet, kann darauf zwischen den Video-Jobs Voice-overs für Anzeigen untertiteln und übersetzen, zum Stundenpreis, den es ohnehin zahlt, und ohne Gebühr pro Transkriptionsminute.