EnglishNvidia brengt gratis spraakmodel uit dat opnames in 40 talen uitschrijft, vertaalt en sprekers herkent
Nvidia heeft een open spraakmodel uitgebracht dat in één keer uitschrijft, vertaalt en aangeeft wie er praat. Het gebruikt per stap maar een klein deel van zijn rekenkracht en draait op één grafische kaart, zonder cloud. De prestatiecijfers komen voorlopig van Nvidia zelf.
Nvidia heeft op 28 oktober 2026 Nemotron 3.5 Transcribe uitgebracht, een gratis spraakmodel. Het schrijft opnames uit in 40 talen, vertaalt 31 talen van en naar het Engels, onderscheidt tot acht sprekers en beantwoordt vragen over een opname. Dat gebeurt allemaal in één keer, en de audio hoeft daarvoor niet naar een clouddienst.
Het model is "open-weight": iedereen mag de getrainde gewichten downloaden en het model op een eigen computer draaien. Opnames tot een uur kunnen in één keer worden verwerkt.
Eén model in plaats van vijf
Wie nu een vergadering automatisch wil laten uitschrijven, gebruikt meestal een keten van vijf losse programma's. Het eerste zoekt waar er gesproken wordt, het tweede schrijft de tekst uit, het derde vertaalt, het vierde bepaalt wie wat zegt en het vijfde beantwoordt vragen over de opname. Elke schakel kan fouten doorgeven aan de volgende.
Nemotron 3.5 Transcribe doet dat allemaal tegelijk. Je stuurt het aan met gewone taal: vraag om een uitgeschreven tekst met namen van sprekers, om een Engelse vertaling, of om een antwoord op de vraag "welke besluiten zijn er genomen?". Ontwikkelaars kunnen ook vaktermen meegeven, zoals namen van medicijnen of juridische begrippen, zodat het model die beter herkent.
Groot model, zuinig in gebruik
Een AI-model bestaat uit miljarden getallen, de parameters, die samen bepalen wat het model weet. Dit model heeft er ongeveer 34 miljard. Het is opgebouwd uit veel kleinere deskundigen: per stap kiest het model alleen de onderdelen die nodig zijn. Daardoor rekent het per stap met ongeveer 4,3 miljard parameters. Dat maakt het snel en zuinig.
Volgens Nvidia maakt het model op een gangbare meetlat voor spraakherkenning 2,81 procent fouten. Voxtral Small van het Franse Mistral komt op 2,77 procent, maar rekent per stap met zo'n 24 miljard parameters, ongeveer zes keer zoveel. Deze cijfers komen uit Nvidia's eigen documentatie en zijn nog niet door anderen nagemeten.
Onder de motorkap zit Nemotron 3.5 Lightning, een taalmodel dat Nvidia in augustus uitbracht, gecombineerd met het sprekerherkenningsmodel Nemotron 3 Diarization uit september.
Wat het nog niet kan
Het hele model moet wel in het geheugen van de grafische kaart passen, ook al gebruikt het per stap maar een deel. In de zuinigste versie is dat ongeveer 17 gigabyte, in de nauwkeurigste ongeveer 68 gigabyte. Gewone videokaarten met 8 of 12 gigabyte kunnen het daarom niet laden. Bij de consumentenkaarten noemt Nvidia de RTX 5090, in de zuinigste versie. Daarnaast draait het op werkstations en servers met kaarten van Nvidia.
Het model werkt met opgenomen geluid, niet met live gesprekken. Voor live spraak zijn er andere modellen, zoals Voxtral 3 van Mistral, dat eerder deze maand verscheen, en Realtime van ElevenLabs. Vragen beantwoorden over een opname is vooral in het Engels getraind en werkt in andere talen minder betrouwbaar.
Op opnames vol vaktaal gaat het nog vaak mis. Volgens Nvidia is in het begin bijna een op de drie woorden fout. Met goede aanwijzingen zakt dat naar ongeveer een op de vijf. Na extra training met opnames van Indiase artsen en geneeskundestudenten ging het foutpercentage omlaag naar 11,8 procent. Dat laat zien dat bedrijven het model met eigen opnames flink beter kunnen maken voor hun vakgebied.
Open dataset en vrije licentie
Tegelijk bracht Nvidia Granary v2 uit, een open verzameling spraakopnames van ongeveer 844.000 uur in 48 talen. De eerste versie had ongeveer 643.000 uur in 25 talen. Ontwikkelaars kunnen daarmee zelf spraakmodellen trainen of verbeteren.
Het model valt onder de OpenMDW-1.1-licentie. Die staat commercieel gebruik, aanpassen en verder verspreiden toe. De gewichten staan op Hugging Face.
Omdat alles op eigen computers kan draaien, hoeft gevoelige audio het gebouw niet te verlaten. Dat is vooral interessant voor ziekenhuizen en bedrijven die vertrouwelijke gesprekken laten uitschrijven.
Wat betekent dit voor de weg naar de singulariteit?
Krachtige AI wordt steeds goedkoper om te gebruiken. Dit model haalt met een fractie van de rekenkracht bijna dezelfde nauwkeurigheid als een veel zwaarder model, en doet het werk van vijf losse programma's. Daardoor kan goede spraakherkenning op één kaart in een eigen gebouw draaien, waar dat eerder een clouddienst vroeg. De volgende stappen zijn live verwerking, betere resultaten op vaktaal en modellen die ook op gewone videokaarten passen. Als die zuinige aanpak doorzet, komt dit soort AI binnen bereik van steeds meer mensen en organisaties.
