Nvidia’s open-weight spraakmodel verslaat rivalen in veertig talen

AI-context. Nvidia’s eigen meetgegevens tonen een foutenpercentage van 4,71 procent op het gemiddelde van de Engelse Open ASR-benchmark, tegen 4,94 procent voor Qwen3-ASR-1.7B van Alibaba. Op het meertalige deel van die test daalt het percentage naar 4,62 procent. Die concurrent komt daar niet verder dan 6,49 procent. Bij gesprekken met meerdere sprekers noteert het model 15,80 procent, lager dan de 16,83 procent van het gespecialiseerde DiCoW-systeem. Bron: Nvidia, modelkaart op Hugging Face.

Wat dit open-weight spraakmodel precies kan

Het model combineert een Mamba-2-Transformer-architectuur met een los spraakonderdeel, een opzet die Nvidia mixture-of-experts noemt. Van de 34 miljard parameters zijn er ongeveer 4,3 miljard actief per taak. Dat maakt het sneller dan de totale omvang doet vermoeden. Het verwerkt tot 65.536 tokens context, genoeg voor een opname van een uur. Het onderscheidt tot acht sprekers in een gesprek, via een los diarisatiemodel van ongeveer 99 miljoen parameters. Bedrijven passen het aan op vakjargon, voor medische dictaten of notulen van vergaderingen. Livestreams kan het niet, Nvidia bouwde het model uitsluitend voor opgenomen audio.

De concurrentie in spraak-AI wordt voller

Op de eigen Open ASR-benchmark haalt Nvidia 4,71 procent foutmarge voor Engelse spraak. Qwen3-ASR-1.7B van Alibaba komt op 4,94 procent. Bij meertalige spraak loopt dat verschil verder op, 4,62 tegen 6,49 procent. Bij gesprekken met meerdere sprekers scoort Nemotron 15,80 procent, net voor het gespecialiseerde DiCoW-systeem op 16,83 procent. Dit zijn cijfers van Nvidia zelf, niet van een onafhankelijke test. Concurrentie komt ook van elders. Mistral AI, het Franse AI-lab, bracht op 20 oktober een eigen spraakmodel uit, Voxtral 3, gericht op agents die luisteren, redeneren en spreken. Salesforce lanceerde intussen Launa-Omni voor voice agents, en ElevenLabs werkt aan realtime spraaktechnologie voor datzelfde soort toepassingen.

Europa heeft met Mistral al een eigen antwoord

Voor Nederlandse bedrijven ligt de keuze voor een open-weight model niet alleen bij de techniek. Een model dat lokaal draait, stuurt geen spraakdata naar een Amerikaanse cloud. Dat is een voordeel onder de AVG voor wie medische of juridische gesprekken verwerkt. Huisartsenposten en advocatenkantoren die dicteren inzetten, hebben daar direct belang bij. Mistral AI biedt met Voxtral 3 een Europees alternatief, met een optie om op eigen EU-servers te draaien. Dat raakt ook de discussie binnen de AI-verordening over waar trainingsdata en gebruikersdata van Europese bedrijven mogen blijven. Wie op Nvidia-hardware draait, blijft intussen afhankelijk van chips die in Taiwan worden gefabriceerd. ASML’s lithografiemachines zitten overal in die productieketen, ook als het eindproduct nooit in Nederland komt.

Veelgestelde vragen

Wat is Nemotron 3.5 Transcribe? Nemotron 3.5 Transcribe is een open-weight spraakmodel van Nvidia met 34 miljard parameters, uitgebracht op 28 oktober 2026. Het transcribeert en vertaalt audio in veertig talen en herkent tot acht sprekers per opname.

Is het model gratis te gebruiken? Ja, Nvidia biedt het model gratis aan onder de OpenMDW 1.1-licentie, die zowel commercieel als niet-commercieel gebruik toestaat. Het staat op Hugging Face, GitHub, NGC en Build.Nvidia.com.

Op welke hardware draait het model? Het model draait minimaal op een enkele Nvidia H100-chip met 80 gigabyte geheugen. Het schaalt op naar Blackwell-datacenterchips en af naar kleinere Jetson Thor-chips voor apparaten aan de rand van het netwerk.

Deze modellen draaien op dezelfde chips waarover grote techbedrijven nu vechten. Lees ook ons stuk over de chipstrijd tussen Nvidia en Google. Hoe bedrijven open modellen al inzetten, lees je in ons artikel over medicijnontwikkeling met Claude. De achtergrond bij de schaarste die ook spraakmodellen raakt, staat in ons stuk over het geheugentekort tot 2030.