Community
NVIDIA presenta Nemotron 3.5 Transcribe, speech LLM open da 30B MoE
- Nemotron 3.5 Transcribe è un modello open-weight 30B MoE con circa 4,3B parametri attivi: in un solo checkpoint fa trascrizione, attribuzione degli speaker (fino a 8), traduzione, trascrizione contestuale e domande sull'audio, tutto guidato da istruzioni in linguaggio naturale.
- Copre 40 lingue (traduzione da e verso l'inglese in 31, speaker in 13), registrazioni fino a 1 ora e timestamp per parola; lo stile (verbatim, forma scritta, rich) si sceglie nel prompt, senza riaddestrare.
- È il primo open-weight sulla Open ASR Leaderboard di Hugging Face: 5,33% di WER medio in inglese (4,71% di media sui 9 set pubblici) e 4,62% sul multilingue. Su Artificial Analysis è primo a pari merito fra gli open-weight (2,8% AA-WER) con circa un sesto dei parametri attivi di Voxtral Small.
- Primo anche su VoiceArena (diarization + ASR) e sulla classifica di diarization multilingue di David AI. Si adatta con Granary v2 e NeMo Speech: in un caso medico il fine-tuning taglia il WER del 45,8%. Pesi su Hugging Face (licenza OpenMDW-1.1), gira offline con vLLM e SGLang.
