Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
N
NVIDIA / nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B
Nemotron 3.5 Transcribe 30B A4B
Ein Sprachmodell für Transkription in 40 Sprachen, Übersetzung und Sprecherzuordnung. Es verarbeitet Audio und Text und gibt Text aus. Die Modellkarte nennt insgesamt 34 Milliarden Parameter und 4,3 Milliarden aktive einschließlich Audio-Encoder; die Bezeichnung 30B steht für das zugrunde liegende Sprachmodell.
01 / ZUSAMMENFASSUNG
Das Wesentliche
Maximale Eingabekapazität bei Veröffentlichung durch die Quelle.
Dokumentierte maximale Erzeugungsgrenze.
Verifizierte Verfügbarkeitskanäle.
Primäre Funktionsfamilie und verifizierte Spezialisierungen.
Deklarierte Bedingungen für API, Gewichte oder Self-Hosting.
02 / TECHNISCHES DATENBLATT
Limits und Integration
| API-ID | nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B |
|---|---|
| Modelltyp | Sprache und Audio |
| Zugangsmodell | Offene Gewichte |
| Lizenz | OpenMDW 1.1 |
| Einsatz | Selbst gehostet |
| Veröffentlichung | 28 OCT 2026 |
| Wissensstichtag | Nicht veröffentlicht |
| Eingang | Audio · Text |
| Ausfahrt | Text |
| Kontextfenster | 65.536 Tokens; Aufnahmen von bis zu einer Stunde |
| maximale Leistung | Nicht veröffentlicht |
| Schlussfolgern | Konfigurierbar; im empfohlenen Protokoll für Transkription deaktiviert |
| Veröffentlichte Tools | |
| Strukturierte Ausflüge | Text mit Sprecherkennzeichnungen und optionalen Zeitstempeln pro Wort |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Nicht veröffentlicht |
| Verifizierte Plattformen | Hugging Face · NeMo Speech · vLLM · Transformers |
Autorisierte Aufnahmen, Besprechungen und Mediendateien verarbeiten und dabei Wortschatz und Transkriptionsstil durch Anweisungen anpassen.
Dies ist ein Offline-Modell und kein ASR-Streamingdienst. Die Unterstützung variiert nach Sprache und Aufgabe; Audioverständnis wurde nur auf Englisch bewertet. Sprecherkennzeichnungen identifizieren keine Personen. Prüfen Sie Einwilligungen, sensible Daten und Transkriptionsfehler.
03 / FÄHIGKEITEN
Was es kann
Orientierung
Autorisierte Aufnahmen, Besprechungen und Mediendateien verarbeiten und dabei Wortschatz und Transkriptionsstil durch Anweisungen anpassen.
Kontext
65.536 Tokens; Aufnahmen von bis zu einer Stunde · Nicht veröffentlicht
Tools und Integration
Nicht veröffentlicht
Zugang
Hugging Face · herunterladbarer Checkpoint
Eingabemodalitäten
AudioText
04 / PREISE
Dokumentierte Kosten
| Konzept | Wert | Einheit/Zustand |
|---|---|---|
| Standardeingabe | Kein offizieller API-Preis veröffentlicht | Standardtarif der API |
| Eingabe aus dem Cache | Nicht veröffentlicht | Lesen wiederverwendeter Präfixe |
| Schreiben oder Speichern im Cache | Nicht veröffentlicht | Die Bedingung variiert je nach Anbieter |
| Standardausgabe | Kosten der eigenen Infrastruktur | Kann Reasoning-Tokens enthalten |
| Batch-Eingabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
| Batch-Ausgabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
Der BF16-Checkpoint nennt OpenMDW 1.1. Die Karte beschreibt FP8 und NVFP4, deren öffentliche Downloads jedoch nicht verifiziert werden konnten. Es gibt keinen verifizierten kommerziellen Tokenpreis. Planen Sie GPU-, Speicher- und Betriebskosten ein.
i Die Preise ändern sich und können von Level, Region oder Kontextlänge abhängen. Überprüfen Sie die Quelle, bevor Sie eine Entscheidung treffen.
05 / BEWERTUNGEN
So lesen Sie die Ergebnisse
“
Die Bewertung trennt den Transkriptions-WER vom sprecherzugeordneten cpWER. Die beschleunigte NIM-Leistung mit NVFP4 und DFlash2 gilt weder für den offenen Referenzserver noch für beliebige GPUs. Der 28. Oktober ist das Veröffentlichungsdatum; die Ergebnisse wurden am 12. Oktober erfasst.
| Benchmark | Ergebnis | Metrik | Quelle |
|---|---|---|---|
| Open ASR Leaderboard English · 9 public sets | 4,71 % | WER (%) · niedriger ist besser | Quelle öffnen ↗ |
| Open ASR Leaderboard multilingual · 7 languages | 4,62 % | WER (%) · niedriger ist besser | Quelle öffnen ↗ |
| Open ASR Leaderboard long-form | 10,98 % | WER (%) · niedriger ist besser | Quelle öffnen ↗ |
| AMI + CALLHOME + Mixer 6 + NOTSOFAR-1 · full sessions | 15,80 % | cpWER (%) · niedriger ist besser | Quelle öffnen ↗ |
Inferama hebt nur dann ein „bestes Ergebnis“ hervor, wenn Metrik, Testsatz, Konfiguration und Datum einen gleichwertigen Vergleich ermöglichen. Die Zahlen des Lieferanten werden als Angaben aus eigener Quelle dargestellt.
06 / VERSIONEN
Chronologie
Nemotron 3.5 Transcribe 30B A4B
In den verifizierten Katalog von Inferama aufgenommene Version.
07 / QUELLEN