Beobachtetes Signal · 28. Okt. 2026 · Technical Release · Quelle: techcrunch · Relevanz: 4/5 · Sentiment: Positiv
Nvidia veröffentlicht neues Open-Transkriptionsmodell
Nvidia hat Nemotron 3.5 Transcribe veröffentlicht, ein kostenloses Open-Weight-Modell für Sprach-zu-Text, das Audio in bis zu 40 Sprachen transkribieren und 31 Sprachen in und aus dem Englischen übersetzen kann. Es unterstützt Aufnahmen von bis zu einer Stunde Länge und kann bis zu acht Sprecher unterscheiden. Das Unternehmen hat außerdem Version 2 seines Open-Source-Sprachdatensatzes Granary veröffentlicht. Das Modell richtet sich an Entwickler, die Anwendungen für Meeting- und medizinische Transkription erstellen. Es läuft auf einem einzelnen Chip, von Edge-Geräten wie Jetson AGX Thor bis zu Blackwell-Rechenzentrumschips. Nvidia behauptet, es übertrifft Mitbewerber auf Benchmarks wie Hugging Faces Open ASR Leaderboard. Es funktioniert jedoch nur mit aufgezeichnetem Audio, nicht mit Live-Streams, und überlässt Echtzeit-Anwendungen Wettbewerbern wie ElevenLabs. Die Veröffentlichung erfolgt in einer Zeit vieler Voice-AI-Modellveröffentlichungen von Mistral, ElevenLabs und Salesforce.
Dies ist eine bedeutende Veröffentlichung eines großen Technologieunternehmens wie Nvidia, das ein Open-Weight-Transkriptionsmodell bereitstellt, das Innovationen bei Meeting- und medizinischen Transkriptionstools vorantreiben kann. Es stärkt Nvidias Position im KI-Infrastruktur-Ökosystem und könnte beeinflussen, wie Unternehmen Sprach-KI-Anwendungen entwickeln und bereitstellen.
Marktsignale zu NVIDIA in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren Polaris7-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Nvidia veröffentlichte Nemotron 3.5 Transcribe, ein Open-Weight-Modell für Sprach-zu-Text, das 40 Sprachen unterstützt.
- Das Modell kann 31 Sprachen in und aus dem Englischen übersetzen und Aufnahmen von bis zu einer Stunde Länge verarbeiten.
- Nvidia veröffentlichte außerdem Version 2 seines Open-Source-Sprachdatensatzes Granary.
- Das Modell läuft auf einem einzelnen Chip, einschließlich Jetson AGX Thor und DGX Spark Chips.
- Das Modell funktioniert nur mit aufgezeichnetem Audio, nicht mit Live-Streams.
Verknüpfte Unternehmen
4 verknüpfte Unternehmen“Nvidia veröffentlichte am Mittwoch Nemotron 3.5 Transcribe, ein kostenloses Open-Weight-Modell, das Audio in bis zu 40 Sprachen transkribier...”
“ElevenLabs hat Realtime für sofortige Sprache in Sprachagenten eingeführt.”
Globale Enterprise-SaaS-Plattform für CRM, Marketing, Daten, Analytics und automatisierte Workflows.
“Salesforce hat Launa-Omni, sein Sprachmodell, veröffentlicht.”
“Mistral hat Anfang des Monats Voxtral 3 veröffentlicht.”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Cohere veröffentlicht Open-Source-Sprachmodell Transcribe für automatisierte Spracherkennung
Cohere hat mit Transcribe sein erstes Open-Source-Modell zur automatischen Spracherkennung (ASR) vorgestellt, das speziell für Transkriptionsaufgaben wie Notizen und Sprachanalyse entwickelt wurde. Das Modell umfasst zwei Milliarden Parameter, ist für Consumer-GPUs optimiert und unterstützt 14 Sprachen. Laut Cohere erzielte Transcribe im Hugging Face Open ASR Leaderboard eine durchschnittliche Word Error Rate (WER) von 5,42 und übertraf damit mehrere Vergleichsmodelle, während es Audiodaten mit geschätzten 525 Minuten pro Minute verarbeitete. Menschliche Tester bevorzugten die Ergebnisse in direkten Vergleichen mit einer durchschnittlichen Win-Rate von 61 Prozent, wobei jedoch Schwächen bei Portugiesisch, Deutsch und Spanisch auftraten. Cohere bietet Transcribe kostenlos über seine API sowie im Model Vault an und plant die Integration in seine Enterprise-Orchestrierungsplattform North.
Entwicklung von Multi-Speaker-Funktionen mit NVIDIA Nemotron Speech Open Models
Inflection AI hat am 28. Oktober 2026 einen neuen Blogbeitrag veröffentlicht, der detailliert beschreibt, wie die fortschrittlichen Multi-Speaker-Funktionen mithilfe der offenen Sprachmodelle von NVIDIA Nemotron Speech entwickelt wurden. Diese technologische Initiative demonstriert die Integration modernster KI-Architekturen zur Verbesserung von Sprachsynthese und Sprachverarbeitung. Durch den Einsatz der NVIDIA-Modelle optimiert Inflection AI die Fähigkeit seiner Systeme, mehrere Sprecher präzise zu unterscheiden, zu modellieren und realistisch darzustellen. Dies stellt einen wichtigen Fortschritt im Bereich der generativen KI und der Sprachtechnologie dar, der neue Maßstäbe für natürlich klingende und vielschichtige Audio-Interaktionen setzt. Unternehmen und Entwickler profitieren von dieser Entwicklung durch verbesserte Anwendungsfälle in den Bereichen Conversational AI, virtuelle Assistenten und automatisierte Content-Erstellung.
Microsoft stellt MAI-Transcribe-2 vor: Günstigstes und präzisestes Speech-to-Text-Modell am Markt
Microsoft AI hat MAI-Transcribe-2 gelauncht, ein hochentwickeltes Speech-to-Text-Modell, das 60 Sprachen unterstützt und im FLEURS-Benchmark eine branchenführende durchschnittliche Word Error Rate (WER) von 5,2 Prozent erzielt. Das Modell arbeitet signifikant schneller als vergleichbare Lösungen wie GPT-Transcribe von OpenAI, Scribe v2 von ElevenLabs oder Gemini 3.5 Transcribe von Google. Es bietet fortschrittliche Funktionen wie Speaker Diarization, Word-Level Timestamps, Keyword Biasing und Code-Switching. Mit einem aggressiven Einführungspreis von 0,10 US-Dollar pro Audiostunde unterbietet Microsoft den Wettbewerb drastisch. Speziell für die thailändische Sprache wird eine herausragende WER von 3,4 Prozent erreicht. Das über Microsoft Foundry, MAI Playground und OpenRouter verfügbare Modell unterstreicht die strategische Initiative des Konzerns, proprietäre OpenAI-Technologien schrittweise durch leistungsstarke Inhouse-Modelle zu ersetzen, was auch workflows in AdTech und MarTech spürbar beeinflussen wird.
Alle künftigen Signale zu NVIDIA & Wettbewerbern im Briefing erhalten
Verpassen Sie keine M&A-Transaktionen, Führungswechsel, Kunden-Etats oder Produkt-Launches mehr. Polaris7 überwacht über 20.000 Primärquellen rund um die Uhr und liefert evidenzbasierte Telemetrie direkt in Ihr wöchentliches Executive Briefing.