In Kürze

  • Nvidia hat am 28. Oktober 2026 Nemotron 3.5 Transcribe veröffentlicht: ein offenes, rund 30 Milliarden Parameter grosses Spracherkennungsmodell für die Verschriftlichung aufgezeichneter Audioaufnahmen in 40 Sprachen, freigegeben unter der kommerziell nutzbaren OpenMDW-1.1-Lizenz.
  • Das Modell liefert in einem Durchgang Transkription, Sprecherkennung für bis zu acht Stimmen, Übersetzung zwischen Englisch und 31 der 40 Sprachen sowie Antworten auf Fragen zu bis zu einstündigen Aufnahmen; trainiert wurde es mit dem Datensatz Granary v2 mit rund 463'000 Stunden Sprachaufnahmen in 48 Sprachen.
  • Laut Nvidia belegt das Modell unter offenen Modellen den ersten Platz auf einem englischsprachigen Spracherkennungs-Leaderboard von Hugging Face mit einer durchschnittlichen Fehlerquote von 5,33 Prozent; unter den als «führend» eingestuften Sprachen nennt Nvidia unter anderem Englisch, Deutsch und Französisch.

Was ist passiert?

Nvidia hat am 28. Oktober 2026 das offene Spracherkennungsmodell Nemotron 3.5 Transcribe veröffentlicht. Das Modell mit rund 30 Milliarden Parametern (nach Mixture-of-Experts-Architektur mit rund 4 Milliarden aktiven Parametern pro Anfrage) ist für die Verschriftlichung bereits aufgezeichneter Audioaufnahmen ausgelegt, nicht für Live-Transkription in Echtzeit. In einem einzigen Durchgang liefert es neben dem reinen Text auch die Zuordnung zu einzelnen Sprecherinnen und Sprechern für bis zu acht unterschiedliche Stimmen, Übersetzungen zwischen Englisch und 31 der insgesamt 40 unterstützten Sprachen sowie Antworten auf inhaltliche Fragen zu bis zu einstündigen Aufnahmen.

Trainiert wurde das Modell mit Granary v2, einem von Nvidia zusammengestellten Datensatz mit rund 463'000 Stunden Sprachaufnahmen in 48 Sprachen. Die Modellgewichte sind offen über Hugging Face verfügbar und unter der OpenMDW-1.1-Lizenz auch für kommerzielle Zwecke freigegeben. Laut Nvidia belegt Nemotron 3.5 Transcribe unter offenen Modellen Platz eins auf einem englischsprachigen Spracherkennungs-Leaderboard von Hugging Face, mit einer durchschnittlichen Wortfehlerquote von 5,33 Prozent; ein Test mit medizinischem Sprachmaterial aus Indien senkte die Fehlerquote durch gezieltes Nachtrainieren laut Nvidia zusätzlich um 45,8 Prozent.

Warum ist das wichtig?

Spracherkennung gehört zu den KI-Anwendungen mit dem unmittelbarsten praktischen Nutzen im Geschäftsalltag, von der automatischen Protokollierung von Besprechungen über die Auswertung von Kundengesprächen bis zur Barrierefreiheit. Dass Nvidia ein derart leistungsfähiges Modell offen und kommerziell nutzbar veröffentlicht, senkt die Eintrittshürde für Unternehmen, die bislang auf kostenpflichtige Cloud-Dienste grosser Anbieter angewiesen waren, erheblich – insbesondere, weil das Modell auch auf eigener Infrastruktur betrieben werden kann.

Gleichzeitig stammen die veröffentlichten Benchmark-Werte und die Einteilung der Sprachen in «führend» und weniger stark unterstützte Kategorien direkt von Nvidia selbst; eine unabhängige, sprachübergreifende Überprüfung der Erkennungsqualität ausserhalb des Englischen liegt bislang kaum vor. Für den praktischen Einsatz in weniger verbreiteten Sprachen oder Dialekten bleibt deshalb eine eigene Testphase unerlässlich, bevor ein Unternehmen sich vollständig auf das Modell verlässt.

Was bedeutet das für Schweizer KMU?

Für Schweizer KMU mit Kundenkontakt über mehrere Landessprachen hinweg – etwa im Treuhandwesen, in Versicherungen, im Gesundheitswesen oder im Tourismus – verspricht ein offenes Modell mit starker Deutsch- und Französisch-Abdeckung spürbare Effizienzgewinne: Kundengespräche, Beratungstermine oder interne Sitzungen liessen sich automatisiert verschriftlichen und durchsuchbar machen, ohne pro Minute Audiomaterial eine laufende Cloud-Gebühr an einen ausländischen Anbieter zu entrichten.

Weil die Gewichte offen zugänglich sind, können Schweizer Betriebe das Modell grundsätzlich auch auf eigener oder in der Schweiz gehosteter Infrastruktur betreiben – ein Pluspunkt, wenn sensible Kundendaten aus datenschutzrechtlichen Gründen das Land nicht verlassen sollen. Vor einem produktiven Einsatz sollten KMU allerdings sowohl die Erkennungsqualität für Italienisch, Schweizerdeutsch und regionale Dialekte als auch die konkrete Lizenzlage für den eigenen Anwendungsfall genau prüfen, da Nvidias bisherige Angaben zur Sprachabdeckung nicht alle Landessprachen gleich detailliert abdecken.

Was bedeutet das für die Schweiz?

Redaktionelle Einordnung: Die folgenden Schlussfolgerungen beziehen sich auf die genannten Quellen. Sie sind keine zusätzlichen Meldungen der Originalquelle.

  • Für mehrsprachige Schweizer KMU – etwa in Kundendienst, Treuhand oder Gesundheitswesen – ist ein offenes Modell mit starker Abdeckung von Deutsch und Französisch praktisch relevant, weil Sitzungsprotokolle, Kundengespräche oder Beratungstermine über Sprachregionen hinweg automatisiert verschriftlicht werden könnten, ohne für jede Minute Audiomaterial eine Cloud-Gebühr an einen US-Anbieter zu zahlen.
  • Weil die Modellgewichte offen zugänglich sind, lässt sich Nemotron 3.5 Transcribe grundsätzlich auch lokal oder in einem Schweizer Rechenzentrum betreiben – ein Vorteil gegenüber reinen Cloud-Diensten, wenn Kundendaten aus Datenschutzgründen das Land nicht verlassen sollen oder eine Datenschutz-Folgenabschätzung nach revidiertem DSG den Einsatz externer Dienste erschwert.
  • Unklar ist bislang, wie zuverlässig das Modell Italienisch sowie Schweizerdeutsch oder Rätoromanisch verarbeitet, da diese in den bisher veröffentlichten Angaben zu den «führenden» Sprachen nicht ausdrücklich erwähnt werden; Schweizer Betriebe aus der italienischsprachigen Schweiz oder mit starkem Dialektanteil sollten die Erkennungsqualität deshalb vor einem produktiven Einsatz selbst testen.

Verwendete Quellen

The Next Web berichtete am 28. Oktober 2026 über die Veröffentlichung von Nemotron 3.5 Transcribe; Angaben zu Lizenz, Sprachabdeckung und Trainingsdaten wurden mit den Modellseiten von Hugging Face und DeepInfra sowie einem Bericht von Hermes AI Network abgeglichen.

Quellenstatus: 2 verlinkte Quellen · 0 von 2 Originaldaten verifiziert. Prüfregeln ansehen

Häufige Fragen

Was ist die Kernaussage zu Nvidia veröffentlicht mit «Nemotron 3.5 Transcribe» ein offenes Spracherkennungsmodell für 40 Sprachen?

Nvidia hat am 28. Oktober 2026 Nemotron 3.5 Transcribe veröffentlicht: ein offenes, rund 30 Milliarden Parameter grosses Spracherkennungsmodell für die Verschriftlichung aufgezeichneter Audioaufnahmen in 40 Sprachen, freigegeben unter der kommerziell nutzbaren OpenMDW-1.1-Lizenz.

Warum ist diese KI-Meldung für die Schweiz relevant?

Für mehrsprachige Schweizer KMU – etwa in Kundendienst, Treuhand oder Gesundheitswesen – ist ein offenes Modell mit starker Abdeckung von Deutsch und Französisch praktisch relevant, weil Sitzungsprotokolle, Kundengespräche oder Beratungstermine über Sprachregionen hinweg automatisiert verschriftlicht werden könnten, ohne für jede Minute Audiomaterial eine Cloud-Gebühr an einen US-Anbieter zu zahlen.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?

The Next Web berichtete am 28. Oktober 2026 über die Veröffentlichung von Nemotron 3.5 Transcribe; Angaben zu Lizenz, Sprachabdeckung und Trainingsdaten wurden mit den Modellseiten von Hugging Face und DeepInfra sowie einem Bericht von Hermes AI Network abgeglichen.