NVIDIA Nemotron 3.5 Transcribe: Spracherkennung lokal nutzen

NVIDIA hat ein neues Modell vorgestellt, das Audioaufnahmen in Text umwandelt, Sprecher unterscheidet und Gesprochenes direkt auf dem Gerät des Nutzers übersetzt. Mit Nemotron 3.5 Transcribe können Entwickler Anwendungen für Meetings, Kundenservice und Spracharbeit bauen, ohne Aufnahmen immer an Cloud-Server schicken zu müssen.

Laut dem NVIDIA-Blog unterstützt das Modell die Transkription in 40 Sprachen. Nutzer können es in normaler Sprache anweisen, eine Aufnahme samt Sprecherzuordnung abzuschreiben, zu übersetzen oder die Beschlüsse eines Meetings herauszufiltern. Zusätzlich lassen sich Fachbegriffe hinterlegen, damit das Modell mit Vokabular aus Medizin und Gesundheitswesen, Finanzdienstleistungen und Kundenservice besser umgeht.

Warum lokale Verarbeitung zählt

Wer Aufnahmen lokal verarbeitet, behält mehr Kontrolle darüber, wo Daten liegen. Das ist wichtig, wenn Gespräche Geschäftsinformationen oder sensible Daten enthalten, und es verringert die Notwendigkeit, Dateien in die Cloud zu übertragen. Entwickler können das Modell auf unterstützter Hardware betreiben und bei Bedarf auf Rechenzentren ausweiten.

Die Ankündigung fällt mit dem Ausbau der RTX-Spark-Rechner zusammen, die dafür ausgelegt sind, KI-Modelle lokal auszuführen.

GPU-Leistung für Hintergrund-Agenten

NVIDIA ergänzt außerdem Werkzeuge, mit denen Nutzer festlegen, wie die GPU-Leistung zwischen der geöffneten Anwendung und einem im Hintergrund arbeitenden KI-Agenten aufgeteilt wird. Das Hauptprogramm kann höhere Priorität erhalten, oder der Agent bekommt mehr Ressourcen, um seine Aufgabe schneller abzuschließen.

Die Änderung spiegelt die Erwartung des Unternehmens wider, dass KI-Anwendungen und Agenten künftig dauerhaft neben klassischer Software auf demselben Computer laufen.