NVIDIA veröffentlicht Nemotron 3.5 Transcribe und Granary v2 auf Hugging Face
NVIDIA hat einen Blogbeitrag auf Hugging Face veröffentlicht, in dem Nemotron 3.5 Transcribe und Granary v2 vorgestellt werden. Das Unternehmen beschreibt das mehrsprachige Transkriptionspaket als per Prompt steuerbar und anpassbar. Der Beitrag verweist auf zwei Modelle, zwei Datensätze und zwei Spaces.
- NVIDIA hat auf Hugging Face einen Beitrag zu Nemotron 3.5 Transcribe und Granary v2 veröffentlicht.
- Der Beitrag behandelt laut Beschreibung mehrsprachige Transkription, die sich per Prompt steuern und anpassen lässt.
- Er verlinkt 2 Modelle, 2 Datensätze und 2 Spaces, darunter das Open ASR Leaderboard und eine Nemotron-Transcribe-Demo.
- Eines der gelisteten Modelle gehört zur automatischen Spracherkennung, ein weiteres zur Voice Activity Detection.
- Leistungszahlen und Sprachabdeckung sind im verfügbaren Text nicht angegeben.
Was NVIDIA veröffentlicht hat
Der Beitrag trägt den Titel „NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt“. Der Titel deutet auf zwei Teile der Veröffentlichung hin: Nemotron 3.5 Transcribe, ein Angebot zur Spracherkennung, und Granary v2, das offenbar die Datenseite des Projekts abdeckt. Zudem heißt es in der Überschrift, die Transkription lasse sich per Prompt steuern und anpassen. Das legt nahe, dass Nutzer das System lenken können, statt es nur als festes Werkzeug auszuführen.
Der für diesen Artikel verfügbare Text besteht überwiegend aus der Navigation und den Metadaten der Seite, nicht aus dem Haupttext des Beitrags. Er beschreibt weder, wie das Prompting funktioniert, noch welche Sprachen abgedeckt sind oder wie groß die Datensätze sind. Diese Angaben sind hier nicht bestätigt und sollten im vollständigen Beitrag nachgeprüft werden.
Modelle, Datensätze und Demos
Laut der Seite verweist der Artikel auf 2 Modelle, 2 Datensätze und 2 Spaces. Ein Modell ist unter Automatic Speech Recognition (automatische Spracherkennung) gelistet; die Seite vermerkt, es sei etwa eine Stunde vor dem Abruf der Seite aktualisiert worden. Ein zweiter Eintrag fällt unter Voice Activity Detection, eine Aufgabe, bei der erkannt wird, wo in einer Audioaufnahme gesprochen wird. Dort ist als Aktualisierungsdatum der 24. September angegeben.
Bei den beiden Spaces handelt es sich um das Open ASR Leaderboard und eine Demo namens Nemotron Transcribe. Das Leaderboard wird auf der Seite als Ort beschrieben, um „Explore speech-to-text model performance across datasets“, also die Leistung von Speech-to-Text-Modellen über verschiedene Datensätze hinweg zu vergleichen. Die Seite zeigt dafür 1,51k Likes an. Der Space Nemotron Transcribe trägt die Bezeichnung „NVIDIA Nemotron Transcribe Demo“, sodass Leser das System direkt im Browser ausprobieren können.
Weitere NVIDIA-Beiträge auf der Seite
Die Seite listet außerdem weitere Beiträge desselben Autors auf. Einer trägt den Titel „Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required“ und ist auf den 21. Oktober 2026 datiert. Der andere heißt „Train in Simulation, Deploy on a Real Robot: Microduck with Isaac Lab 3.0“ und trägt ebenfalls das Datum 21. Oktober 2026. Sie zeigen, dass NVIDIA Hugging Face als Kanal für eine Reihe technischer Veröffentlichungen nutzt, nicht nur für Arbeiten zur Sprachverarbeitung.
Was das für Entwickler bedeutet
Für Entwickler, die an Transkription arbeiten, bündelt die Veröffentlichung Modelle, Daten und Live-Demos an einem Ort. Der Space Open ASR Leaderboard bietet die Möglichkeit, Speech-to-Text-Modelle über Datensätze hinweg zu vergleichen. Das hilft bei der Entscheidung, ob ein neues Modell zu einem bestimmten Einsatzzweck passt. Sollte der vollständige Beitrag das Versprechen von Prompting und Anpassbarkeit einlösen, wäre das für Teams relevant, die Transkription auf bestimmte Fachgebiete oder Sprachen zuschneiden müssen.
Leistungskennzahlen, Lizenzbedingungen und unterstützte Sprachen sind in dem geprüften Material nicht enthalten. Eine Einschätzung, wie sich Nemotron 3.5 Transcribe im Vergleich zu anderen Systemen schlägt, muss daher bis zur Lektüre des vollständigen Blogbeitrags und der Modellseiten warten.
