L’ANALISI
Nemotron 3.5 Transcribe: progettare una prova su audio registrato
Criteri per provare Nemotron 3.5 Transcribe su registrazioni: matrice delle lingue, speaker, output, hardware e distinzione tra checkpoint disponibile e quantizzazione futura.
In breve: La prima decisione è se il compito riguarda una registrazione o una conversazione live. Transcribe va valutato sul primo caso; per un confronto utile proposto, trascrizione e attribuzione delle voci devono avere criteri di verifica distinti.
Un checkpoint non significa la stessa copertura per tutto
NVIDIA dichiara quaranta lingue per ASR, trentuno per traduzione da o verso l’inglese e tredici per attribuzione degli speaker, con registrazioni fino a un’ora e fino a otto speaker. Prima del test, scegliere una riga precisa della matrice compito-lingua, anziché dedurre supporto universale dal numero maggiore.
Pesi disponibili e quantizzazione futura
La primaria distingue il checkpoint servibile oggi dalla variante NVFP4 futura citata nel benchmark di throughput. Per una valutazione proposta, annotare il file effettivamente scaricato, precisione, runtime e hardware. Un risultato ottenuto con una variante non ancora distribuita non è una promessa per la propria macchina.
Come confrontare trascrizione e speaker
Preparare registrazioni autorizzate con testo e cambi di voce verificati a mano. Valutare parole, nomi, numeri e confusione tra speaker separatamente. Contare anche omissioni e risposte non sostenute dalla registrazione: una sintesi plausibile non basta a dimostrare che il contenuto sia stato riconosciuto correttamente.
Granary v2 non trasferisce automaticamente i diritti dell’audio
La release descrive manifest e pipeline di preparazione dati e richiede di ottenere gli audio secondo le licenze dei corpora originari. Per l’adattamento proposto, separare codice, manifest, registrazioni e permessi d’uso. Conservare un test set distinto dai dati scelti per prompt e training.
Condizioni e limitazioni
Lingue e capacità dipendono dal compito: la copertura ASR non coincide con quella di traduzione o speaker attribution. I confronti del fornitore non sono test Radar; la versione NVFP4 usata in una prova di throughput è indicata come futura, non come checkpoint già scaricabile.
Checklist pratica
- Confermare che il caso d’uso sia audio registrato, non streaming live.
- Verificare il supporto per la combinazione di lingua e compito richiesta.
- Fissare checkpoint disponibile, precisione e runtime.
- Usare audio autorizzato e un riferimento controllato a mano.
- Valutare distintamente parole, speaker, omissioni e risposte.
- Non includere una quantizzazione futura nel preventivo come se fosse già disponibile.