NVIDIA שחררה ב-28 באוקטובר את Nemotron 3.5 Transcribe, מודל פתוח לתמלול דיבור ב-40 שפות, ועברית ברשימה. הוא מתמלל הקלטות של עד שעה, מסמן מי מדבר, מתרגם לאנגלית ובחזרה ורץ על כרטיס מסך אחד, בלי לשלוח את ההקלטה לענן. לפני שאתם זורקים את כלי התמלול שלכם, כדאי להציץ בטבלה של העברית.
מה Nemotron 3.5 Transcribe יודע לעשות?
Nemotron 3.5 Transcribe מתמלל דיבור מילה במילה או בניסוח נקי, מוסיף חותמות זמן לכל מילה, מזהה את שפת ההקלטה, מתרגם לאנגלית וממנה ועונה על שאלות על תוכן ההקלטה. יש לו 34 מיליארד פרמטרים, מתוכם בערך 4.3 מיליארד פעילים, והרישיון OpenMDW-1.1 מתיר גם שימוש מסחרי.
באנגלית הוא מוביל את המודלים הפתוחים במדד Open ASR, עם שיעור שגיאות ממוצע של 4.71% לעומת 4.94% של Qwen3-ASR. לפי NVIDIA, בגרסה המסחרית שלה כרטיס RTX PRO 6000 אחד מתמלל עד 2,238 שניות של אודיו בכל שנייה. האופטימיזציה הזו עוד לא נכנסה לגרסה הפתוחה.
עד כמה Nemotron 3.5 Transcribe טוב בעברית?
בינוני, וזה לפי NVIDIA עצמה. עברית מסווגת בדרגה הנמוכה מבין שלוש, "נתמכת, ייתכן שתצטרך כוונון". במבחן FLEURS שיעור השגיאות במילים בעברית הוא 20.97%, בערך מילה שגויה אחת מכל חמש. בערבית הוא 6.35% ובאנגלית 3.35%, כך שבתמלול עברי תצטרכו לעבור על הטקסט ולתקן ידנית.
יש עוד שתי מגבלות. בעברית המודל לא מפריד בין דוברים, ושאלות על תוכן ההקלטה נבדקו רק באנגלית. מה שכן עובד: תמלול, תרגום לאנגלית ובחזרה, וגם הקלטות שמערבבות עברית ואנגלית באותו משפט, מה שקורה בכל פגישת סטארטאפ בתל אביב.
איך מריצים את Nemotron 3.5 Transcribe?
המשקולות זמינות ב-Hugging Face בשלוש רמות דיוק. NVIDIA ממליצה על מעבד H100 עם 80 גיגה, אבל טבלת התאימות שלה כוללת גם את RTX 5090 בגרסה המכווצת NVFP4, כולל הרצה ישירה ב-Windows. מי שאין לו כרטיס כזה יכול לנסות את המודל דרך build.nvidia.com.
כל המספרים כאן הם של NVIDIA. בדיקה עצמאית על עברית ישראלית מדוברת, עם סלנג ורעשי רקע, עוד לא פורסמה. אם התמלול חשוב לכם, הריצו קודם הקלטה אחת שלכם ובדקו את התוצאה.
מי שמחפש את הכיוון ההפוך, מטקסט לקול עברי, ימצא השוואה בכתבה על קריינות AI בעברית. ועל החומרה של NVIDIA קראו בכתבה על שבבי ה-GPU.
השורה התחתונה
Nemotron 3.5 Transcribe הוא אחד מכלי התמלול הפתוחים הטובים באנגלית, ובעברית הוא עוד לא שם. מפתחים ישראלים מקבלים בסיס חינמי לכוונון על הקלטות עבריות, ובשביל זה בדיוק NVIDIA צירפה ערכת כוונון ב-NeMo Speech. כל השאר יכולים לחכות לגרסה הבאה.
