NVIDIA Nemotron 3.5 Transcribe führt die Open-ASR-Rangliste an – mit nur 4B aktiven Parametern
Nvidia Nemotron 3.5 Transcribe: open ASR for 40 languages
NVIDIA veröffentlicht Nemotron 3.5 Transcribe, ein offenes Modell, das Transkription in 40 Sprachen, Übersetzung in 31 Sprachen und Sprecherzuordnung in 13 Sprachen in einem einzigen Checkpoint vereint. Es führt die Hugging Face Open ASR Leaderboard für Englisch mit 5,33 % WER an und erreicht auf Artificial Analysis 2,8 % AA-WER – bei nur etwa 4B aktiven von 30B Parametern. Dazu kommen die offene Datenpipeline Granary v2 und Fine-Tuning-Rezepte, die eine Anpassung an Fachvokabular ermöglichen.
In einer medizinischen Fallstudie senkte das Fine-Tuning die Wortfehlerrate (WER) bei ungesehenen Sprechern um 45,8 % im Vergleich zum besten Prompt.
- xpct
Ich habe in letzter Zeit mit Nemotron 3 herumgespielt. Es ist OK, aber macht alle paar Sätze einen Fehler, zumindest mit den Daten, mit denen ich gearbeitet habe (Standardvokabular). Ich bin sicher, wir werden da noch hinkommen, aber ich war angenehm überrascht, wie viel besser ich Wörter erkennen kann als es.
- solarkraft
> Transcribe ist für aufgezeichnete Audiodaten gedacht, nicht für Live-Streaming.
Ziemlich schade! Nemotron Streaming in Handy hat für mich das Diktieren im Grunde gelöst. Es erkennt Deutsch gemischt mit englischen Begriffen und Markennamen wirklich gut.
- AkashKaStudio
Laut der Modellkarte unterstützt dies nur die Transkription von Sprechern im Nahfeld, experimentell, aber immerhin etwas, das in keinem anderen OSS Speech LLM verfügbar ist.