Nemotron 3.5 Transcribe vs NVIDIA Parakeet TDT 0.6B: De huidige koploper met 626.000 downloads ontmoet zijn vervanger

Meer dan 626.000 downloads op Hugging Face zijn toe te schrijven aan NVIDIA Parakeet TDT 0.6B, de transducer met 600 miljoen parameters die sinds zijn verschijning in augustus 2025 het standaard zelfgehoste Engelse herkenningsmodel is. Bijna geen enkele daarvan draait hem alleen: de standaardimplementatie is Parakeet voor de woorden, een aparte diarizer voor de sprekers en een samenvoegstap om de twee outputs op segmentgrenzen aan elkaar te naaien. Nemotron 3.5 Transcribe, op 28 oktober 2026 gepubliceerd als open gewichten, is NVIDIA's aanbod om die tussenlaag te schrappen — één checkpoint dat transcribeert, tot acht stemmen scheidt en ze van tijdstempels voorziet, in veertig talen, zonder cascade. Het is ook drieënveertig keer langzamer per GPU-seconde en ongeveer vijfentwintig keer groter op schijf, en dat is het deel waarmee de aankondiging niet begint.

Het interessante aan deze confrontatie is dat beide modellen bij hetzelfde bedrijf horen. Dit is geen uitdager die van buitenaf komt om een gevestigde speler te verdringen; het is NVIDIA dat je een tweede, veel zwaarder product verkoopt om de helft van het werk te doen waarvoor zijn eerste product nooit was gebouwd.

Twee architecturen, twee theorieën over de baan

Parakeet TDT 0.6B v3 is een FastConformer-encoder die een token-and-duration transducer-decoder voedt. Een TDT-model voorspelt per stap zowel een token als een duur, waardoor het frames kan overspringen en ruim voor op realtime kan lopen; dat is de hele reden waarom het snel is. Het ondersteunt 25 Europese talen met automatische taalherkenning, heeft ingebouwde tijdstempels op woordiniveau en wordt verspreid onder CC-BY-4.0, wat ongeveer zo onbelast is als een licentie maar kan zijn. Het heeft helemaal geen sprekerrepresentatie — niet eens een zwakke, geen enkele.

Nemotron 3.5 Transcribe is een met spraak uitgebreid taalmodel: een spraakencoder, een bevroren Nemotron 3 Diarization-model dat kenmerken van sprekeractiviteit injecteert via een Parallel Expert Encoder, en een hybride Mamba–Transformer mixture-of-experts-decoder waarbij ongeveer 4 miljard van zijn 30 miljard parameters actief zijn per token. Het classificeert geen frames. Het genereert tekst, en daarom kan men het instrueren hoe het die moet genereren.

• Parameters — ongeveer 30B totaal, ruwweg 4B actief per token vs. 600M.

• Decodering — autoregressieve generatie vs. token-en-duur-transducer, niet-autoregressief.

• Licentie — OpenMDW-1.1 vs CC-BY-4.0.

• Talen — 40 getranscribeerd, 31 vertaald naar of uit het Engels versus 25 Europese talen met automatische detectie.

• Sprekers — tot 8, met sprekerattributie, in 13 talen versus geen.

• Tijdstempels — CTC-uitlijning na decodering, aan spreker toegewezen versus native timing op woordniveau.

• Doorvoer — RTFx 462 op de Open ASR Leaderboard versus RTFx 3.333.

• Audiolengte en streaming — 1 uur per bestand, alleen opgenomen versus opgenomen, met een 0,6B-streaming-tegenhanger die live-audio apart verwerkt.

De nauwkeurigheidscijfers verschuiven, afhankelijk van wie er host.

Op het Engelse short-form-gemiddelde van de Hugging Face Open ASR Leaderboard staat Parakeet TDT 0.6B v3 op 6,34% en Nemotron 3.5 Transcribe op 5,33%. Dat is een verschil van één punt op hetzelfde publieke leaderboard, wat een respectabelere vergelijking is dan de meeste in deze reeks — dezelfde harness, dezelfde testsets, de eigen inzendingen van beide leveranciers. Het is nog steeds niet het hele verhaal, omdat de twee inzendingen op verschillende momenten zijn beoordeeld en het gemiddelde van het leaderboard wordt gedomineerd door schone voorgelezen spraak.

Artificial Analysis vertelt een heel ander verhaal, en het is de moeite waard om te begrijpen waarom. Op dat scorebord staat de Parakeet-invoer op 4,5%, veel hoger dan zijn Open ASR-gemiddelde zou suggereren, terwijl Nemotron 3.5 Transcribe op 3,4% staat. De 4,5% hoort bij de configuratie van een gehost endpoint, niet bij de checkpoint op je eigen hardware, en de batching- en decodingkeuzes van de deployer verschuiven het getal met bijna een procentpunt. Een gehoste Parakeet-score vergelijken met een self-hosted score is de meest voorkomende fout in de berichtgeving van deze week, en het werkt ook de andere kant op: NVIDIA's lanceerclaim van 2,8% voor Nemotron is een inzendcijfer, en de huidige 3,4% op het scorebord is de meting.

Het onafhankelijke, door mensen beoordeelde beeld is nog beperkter. Op de Engelse set van Perit komt Parakeet TDT 0.6B v3 uit op 2,13% WER, positie 14 van 22, waarbij 54% van de fragmenten perfect is getranscribeerd. GPT Transcribe en MAI Transcribe 2 staan op 1,76% op de zesde en zevende plaats. Het 30B-checkpoint van Nemotron 3.5 Transcribe staat helemaal niet op die ranglijst; het model nemotron-3.5-asr-streaming-0.6b dat er wel op staat, komt uit op 3,35%, positie 21 — een ander model voor een andere taak, en wordt vaak verward met het model waar dit artikel over gaat.

Wat de vervanging daadwerkelijk verwijdert

De cascade die Parakeet-gebruikers tegenwoordig inzetten, bestaat uit drie delen en heeft drie faalmodi. De herkenner produceert tekst met timing per woord. De diarizer produceert sprekerbeurten. De samenvoeging kent beurten aan woorden toe, en doet dat met overlapheuristieken die precies fout zitten waar het erop aankomt: wanneer twee mensen tegelijk praten. De door NVIDIA zelf gerapporteerde cijfers voor de vervanging door één model richten zich direct op die fout: 18,26% diarisatiefoutpercentage over 21 talen op de David AI-benchmark, beste van 14 systemen; 32,4% geconcateneerde min-permutatie-WER op VoiceArena, beste van 14, met als nummer twee een cascade van Multitalker Parakeet plus Nemotron 3 Diarization met 34,2%; en 8,32% van de referentiewoorden weggevallen bij overlappende Engelse spraak, tegen een mediaan van ongeveer 31%.

Dat zijn cijfers van een leverancier op een testomgeving van die leverancier, en ze zijn niet onafhankelijk gereproduceerd. Maar let op wat de nummer twee is: NVIDIA's eigen cascade, gebouwd op basis van het model in de titel van deze vergelijking. Het bedrijf publiceert een benchmark waarin zijn nieuwe product het wint van zijn oude product plus een diarizer. Dat is ongewoon direct bewijs, en het is ook het soort bewijs dat een leverancier het best kan produceren en het minst waarschijnlijk zou publiceren als het andersom uitviel.

Het tweede dat de vervanging schrapt, is de taalondersteuning. Parakeet ondersteunt 25 Europese talen; Nemotron ondersteunt 40 voor transcriptie en 31 voor vertaling naar of uit het Engels, met sprekerattributie in 13. Als je wachtrij bij de EU ophoudt, is dat verschil academisch. Als hij Arabisch, Mandarijn, Hindi of Japans omvat, was Parakeet nooit een optie en gaat de vergelijking tussen Nemotron en iets heel anders.

Wat het je kost om het te vervangen

Doorvoer eerst. Parakeets 3.333 RTFx tegenover Nemotrons 462 is een verschil van 7,2× op dezelfde leaderboard-testopstelling — een kleiner gat dan de parameterverhouding suggereert, omdat de MoE per token slechts ongeveer 4 miljard van zijn 30 miljard gewichten activeert, maar nog steeds een reëel gat. NVIDIA's stelligere claim, tot 2.238 seconden audio per seconde op één RTX PRO 6000 Blackwell, veronderstelt de NVFP4-checkpoint plus een DFlash2-draftmodel en werd gemeten op clips van 30 seconden bij hoge gelijktijdigheid. Geen van beide getallen is fout; ze meten verschillende configuraties, en een capaciteitsplan dat op het grotere getal is gebouwd, zal je teleurstellen bij vergaderingen van een uur.

Voetafdruk, ten tweede. Parakeet TDT 0.6B past in een paar gigabytes en draait comfortabel op een midrange-GPU, en de gekwantiseerde builds draaien op CPU's. Nemotron 3.5 Transcribe is tientallen gigabytes in BF16 en vereist vLLM met de NeMo Speech-plugin of SGLang-Omni op een datacenteraccelerator. Er is geen versie hiervan waarin het 30B-model het 0.6B-model op dezelfde hardware vervangt.

Maturiteit, ten derde. Parakeet heeft een jaar aan deployments, duizend forumantwoorden en een werkende toolchain in NeMo, Transformers en een C++-runtime. Nemotron 3.5 Transcribe bestaat pas een dag. De ondersteuning voor GGUF en NeMo-Speech.cpp wordt aangeduid als "binnenkort beschikbaar"; de gequantiseerde lokale builds zijn nog niet verschenen. Als je pipeline saai moet zijn, is dat een reden om een kwartaal te wachten, niet een reden om het model af te wijzen.

Waar de zittende nog steeds overtuigend wint

Alles wat interactief is, om te beginnen. Parakets transducer-decodering levert woorden aan terwijl de audio binnenkomt, en zijn native tijdstempels zijn een eigenschap van de decoder, niet een post-hoc uitlijningsstap. Nemotron 3.5 Transcribe is expliciet gebouwd voor opgenomen audio — NVIDIA's eigen Hugging Face-bericht zegt dat — en er is een apart 0,6B-streamingmodel voor livesessies. Als je product live ondertiteling is, is geen van de modellen in deze kop de juiste keuze; het streamingmodel uit dezelfde familie is dat wel, en dat is een andere vergelijking.

Alles on-premise op kleine schaal, voor twee. Een kliniek met één werkstationkaart, een advocatenkantoor met een archief en een compliance officer, een onderzoeksgroep met één GPU-subsidie: Parakeet met 0,6B is een realistische implementatie, Nemotron met 30B niet. Het nauwkeurigheidsverschil van ongeveer één punt op schoon Engels rechtvaardigt de hardware niet.

Alles wat alleen Engelstalig is zonder sprekervereiste, voor drie. Dat is vooral transcriptiewerk. De eerlijke samenvatting is dat het merendeel van de 626.000 downloads van Parakeet voor taken is die de upgrade niet verbetert.

De pijplijn draaiende houden wanneer de helft ervan je eigen hardware is

Het zelf hosten van de recognizer introduceert een faalmode die beheerde API's niet hebben: jouw kaart, jouw driver, jouw onderhoudsvenster. Dat is precies het argument om de andere helft van de pipeline — de summarizer, de classifier, de extractor die een transcript omzet in gestructureerde records — op een endpoint te houden met ingebouwde redundantie. OrcaRouter draait 200+ tekst- en multimodale modellen achter één sleutel, met automatische failover tussen providers wanneer een upstream degradeert, lijstprijzen van providers doorgegeven tegen 0% markup, en een routing-DSL waarmee je notulen en gespreksnotities naar verschillende modellen kunt sturen zonder integraties te dupliceren. Nemotron 3.5 Transcribe en Parakeet TDT 0.6B vallen beide buiten die catalogus — we bieden geen spraak-naar-tekst aan — maar de laag die hun output leest, hoeft niet uit te vallen wanneer een GPU dat doet.

De upgradebeslissing

Vervang Parakeet door Nemotron 3.5 Transcribe als de cascade je parten speelt: als je een diarizer en een samenvoegstap onderhoudt, als je vergaderingen meer dan twee stemmen hebben, als je audio niet Europees is, of als de woorden "overlapping speech" in je supporttickets voorkomen. In dat geval is het 30B-checkpoint geen luxe, maar het wegnemen van twee bewegende onderdelen en hun foutbudget, en de doorvoerkosten zijn nu eenmaal doorvoerkosten — één kaart verwerkt nog steeds veel meer audio dan een vergaderintensief team kan genereren.

Blijf Parakeet gebruiken als je audio Engels of Europees is, je sprekers bekend of irrelevant zijn, je hardware een workstation is en je pipeline werkt. Het nieuwe model maakt het oude niet overbodig; het dekt de gevallen waarvoor het oude model nooit was ontworpen. En houd de onafhankelijke boards in het oog, want elk cijfer in dit artikel dat Nemotron 3.5 Transcribe begunstigt bij diarisatie is afkomstig van NVIDIA zelf, en er is nog geen second opinion gepubliceerd.