NVIDIA datiert die Veröffentlichung von Nemotron 3.5 Transcribe auf den 28. Oktober 2026. Das Sprachmodell verarbeitet Audio offline und unterstützt Aufnahmen von bis zu einer Stunde. Es ist für Transkription und weitere Audioaufgaben ausgelegt, nicht für Echtzeit-Streaming.

Was Nemotron 3.5 Transcribe mit Audio macht

NVIDIA beschreibt Nemotron 3.5 Transcribe als Speech-Augmented Language Model (SALM), also als Sprachmodell, das um Audioverarbeitung erweitert wurde. Die vollständige Architektur umfasst laut Modellkarte 34 Milliarden Parameter, davon etwa 4,3 Milliarden aktive Parameter. Als Sprachmodell-Rückgrat dient Nemotron 3.5 Lightning 30B-A3B.

Zu den Aufgaben zählen wörtliche und redigierte Transkripte, Übersetzung, Sprecherzuordnung, Sprachidentifikation, optionale Wort-Zeitstempel und Fragen zum Inhalt einer Aufnahme. Das Modell verarbeitet Audio mit 16 kHz als einkanaliges PCM. Zu den unterstützten Formaten zählen WAV, FLAC, MP3 und OGG.

Die maximale Aufnahmelänge beträgt eine Stunde; NVIDIA gibt außerdem ein Kontextfenster von 65.536 Token an. Die interne Aufteilung des Audios in Abschnitte macht das Modell nicht zu einem Live-Transkriptionsdienst. Für Echtzeit-Streaming gibt es ein separates, darauf ausgerichtetes Nemotron 3.5 ASR Streaming 0.6B. Einen Überblick über weitere Modelle der Familie bietet NeoTeos Vergleich von Nemotron 3.5 Super VL und Beam.

40 Sprachen, aber nicht dieselben Aufgaben

NVIDIA nennt insgesamt 40 unterstützte Sprachen. Welche Funktionen verfügbar sind und wie NVIDIA die Qualität einstuft, hängt jedoch von der jeweiligen Sprache ab. Tamil und Türkisch sind etwa für Transkription aufgeführt, nicht aber für Übersetzung. Audioverständnis, Schlussfolgern und das Befolgen gesprochener Anweisungen wurden nur auf Englisch evaluiert.

Wer ein mehrsprachiges System einplant, sollte deshalb die gewünschte Aufgabe für die konkrete Sprache prüfen. Eine Transkription in einer Sprache sagt für sich genommen nichts darüber aus, ob das Modell sie auch übersetzen oder Sprecher zuverlässig zuordnen kann.

Referenzhardware und Lizenz

NVIDIAs Referenzkonfiguration nennt eine einzelne H100-GPU mit 80 GB Speicher. Die Kompatibilität hängt von Hardware und Rechenpräzision ab: In der Tabelle ist beispielsweise eine RTX 5090 mit NVFP4 aufgeführt. Die H100-Konfiguration ist ein Referenzaufbau, keine allgemeine Mindestanforderung für jede Variante.

NVIDIA stellt die Gewichte unter der Lizenz OpenMDW-1.1 bereit. Sie erlaubt kommerzielle und nicht kommerzielle Nutzung unter ihren Bedingungen; für Drittkomponenten können zusätzliche Lizenzbedingungen gelten. Die Einzelheiten stehen in der offiziellen Modellkarte.