Nemotron 3.5 Transcribe vs Muse Voice Transcribe: jeden przetwarza spotkanie, drugi w nim uczestniczy

To porównanie rozstrzygają dwie nagrania, zanim zrobi to jakikolwiek benchmark. Jedno to rozmowa odbywająca się właśnie teraz, w której transkrypcja musi nadążać za konwersacją, a dwusekundowe opóźnienie czyni narzędzie bezużytecznym. Drugie to dwugodzinne archiwum rozmów z klientami z poprzedniego kwartału, w którym nikogo nie obchodzi, czy słowa docierają w 200 milisekund czy w dwadzieścia minut. NVIDIA Nemotron 3.5 Transcribe, wydany 28 października 2026 r. jako checkpoint offline z otwartymi wagami, jest przeznaczony dla drugiego nagrania. Meta Muse Voice Transcribe, udostępniony przez Meta Superintelligence Labs 1 września 2026 r., jest przeznaczony dla pierwszego. Większość stron porównawczych umieszcza ich wskaźniki błędów wyrazów w jednej kolumnie i na tym poprzestaje, co jest dokładnie porównaniem, którego nie można przeprowadzić.

Zegar, a nie wskaźnik błędów słów

Model firmy Meta to strumieniowa warstwa percepcji. Pobiera dźwięk w 80-milisekundowych fragmentach, emituje miękkie tokeny i wykorzystuje oparty na uczeniu ze wzmocnieniem mechanizm „adaptacyjnego opóźnienia”, aby decydować słowo po słowie, jak dużo kontekstu odczekać przed zatwierdzeniem tekstu. Materiały premierowe Meta, według doniesień, określają odstęp od końca mowy do finalnego tekstu na około 0,16 sekundy, a model jest udostępniany przez WebSocket na potrzeby dźwięku na żywo lub przez punkt końcowy HTTP dla pojedynczych plików. Sam również obsługuje wykrywanie końca wypowiedzi i detekcję aktywności głosowej, dzięki czemu otaczający go potok jest lekki.

Model NVIDIA ma przeciwny kształt. Karta mówi to wprost: „To model offline”, i dodaje, że wewnętrzne dzielenie na fragmenty nie czyni go usługą streamingową. Przekazujesz mu plik o długości do jednej godziny, a on zwraca transkrypcję. Nie ma częściowych wyników, tymczasowych hipotez ani przerywania (barge-in). NVIDIA sprzedaje osobny 0.6B rozpoznawacz strumieniowy do dźwięku na żywo; to inny checkpoint, a nie tryb tego modelu.

Liczby z nagłówków są więc mierzone na różnych narzędziach. Meta podaje 3,1% wskaźnika błędów słów i pierwsze miejsce w rankingu strumieniowego rozpoznawania mowy Artificial Analysis. Karta NVIDIA podaje średnią 4,71% w dziewięciu publicznych zestawach English Open ASR, podczas gdy tabela non-streaming Artificial Analysis pokazuje 3,4% dla wdrożonego endpointu — a jej FAQ mówi 2,8% dla tego samego modelu. To trzy różne pomiary dwóch różnych zadań. 3,1% to wynik strumieniowy; 3,4% to wynik wsadowy na innym rozkładzie audio. Odejmowanie ich daje 0,3-punktowe „zwycięstwo”, które nic nie znaczy, a wada modelu strumieniowego na długim, hałaśliwym audio z akcentem jest realna, ale niewidoczna w tej arytmetyce.

Mówcy: dwudziestu kilku przeciw ośmiu

Luka diaryzacji to jedyne miejsce, w którym liczby w przybliżeniu mierzą to samo, i jest ona duża.

• Maksymalna liczba mówców — Meta reklamuje ponad 20 mówców w jednym nagraniu; NVIDIA trenowała na mieszankach zawierających do ośmiu mówców, a jej karta modelu nie podaje maksimum podczas inferencji.

• Nakładanie się — własna strona Meta zastrzega, że diaryzacja dotyczy „mowy bez nakładania się”. Cała argumentacja architektoniczna NVIDIA opiera się na mowie nakładającej się: aktywność mówcy z zamrożonego diaryzatora jest wstrzykiwana do enkodera, dzięki czemu model może przypisywać słowa, gdy ludzie mówią jeden przez drugiego. To jest twierdzenie kryjące się za średnim cpWER 15.80 na zestawie NVIDIA z wieloma mówcami.

• Pokrycie językowe dla etykiet — Meta obsługuje ponad 25 języków; NVIDIA obsługuje 40 języków w transkrypcji, ale 13 z nich oznacza jako obsługujące dane wyjściowe dla wielu mówców. Spotkanie po turecku zostanie transkrybowane, ale nie otrzyma etykiet.

• Format etykiety — Meta emituje pojedyncze litery mówcy, takie jak „A”; NVIDIA emituje tagi w stylu <spk:0>, które odpowiadają segmentom diaryzacji.

Jeśli Twoim przypadkiem użycia jest panel, sala sądowa lub rozmowa z działem wsparcia, w której nakładają się wypowiedzi trzech uczestników, limit ośmiu mówców jest ograniczeniem, które rozstrzyga sprawę, a nie kolumna WER. Jeśli Twoim przypadkiem użycia jest spotkanie all-hands dla dwudziestu osób, podczas którego ludzie przeważnie wypowiadają się po kolei, 20+ Meta jest liczbą, która ma znaczenie, a limit ośmiu NVIDIA to twarda ściana.

Języki: 25 przeciw 40, a żadna z tych liczb nie jest tym, na co wygląda

Strona deweloperska Meta sama mówi o „25+ językach” i obsługuje code-switching wewnątrz zdań oraz między nimi, co ma znaczenie dla spotkań dwujęzycznych. Relacje z premiery podawały, że model przeszkolono na ponad 70 językach, a 25 dokładnie zweryfikowano — to przydatne rozróżnienie, ponieważ język, który jest „przeszkolony”, ale niezweryfikowany, to język, który należy przetestować, zanim mu zaufasz. Karta NVIDIA wymienia 40 języków ze wsparciem ASR, 31 z tłumaczeniem dwukierunkowym do i z angielskiego oraz osobny komponent identyfikacji języka z 48 etykietami.

• Jeśli potrzebujesz szerokiego pokrycia europejskiego — 25 zweryfikowanych języków Meta to węższy zakres niż 40 języków NVIDIA, ale lista Meta składa się głównie z języków, które klienci korporacyjni faktycznie nagrywają.

• Jeśli potrzebujesz tłumaczenia — robi to tylko NVIDIA. Model Meta transkrybuje; nie tłumaczy transkrypcji na inny język.

• Jeśli potrzebujesz code-switching — Meta twierdzi, że obsługuje go natywnie; karta NVIDIA nie wspomina o niczym porównywalnym, a jej rozumienie audio jest wyłącznie angielskie niezależnie od języka transkrypcji.

Co tak naprawdę zawiera transkrypt

Znaczniki czasu to obszar, w którym pozornie niewielka różnica staje się kosztowna. Meta udostępnia znaczniki czasu na poziomie tur — granice segmentów, a nie czasy dla poszczególnych słów — i w ogóle nie ujawnia wskaźników pewności. NVIDIA udostępnia znaczniki czasu dla słów poprzez adapter CTC, z zastrzeżeniem, że znaczniki czasu są niedostępne, gdy włączony jest szkic dekodowania spekulacyjnego DFlash2.

• Znaczniki czasu — Meta na poziomie tury; NVIDIA na poziomie słowa, ale nie wraz z jej najszybszą ścieżką dekodowania.

• Pewność — Meta nie publikuje żadnej; NVIDIA również nie publikuje pewności dla poszczególnych słów.

• Format danych wejściowych — Meta wymaga monofonicznego 16-bitowego PCM o częstotliwości 16 lub 24 kHz i informuje, że wszystko inne należy przekonwertować za pomocą ffmpeg; NVIDIA akceptuje mono 16 kHz i przetwarza plik bezpośrednio.

• Promptowanie — oba podejścia obciążają wynik. Zgodnie z dokumentacją Meta, ukierunkowanie na słowa kluczowe i język „tylko delikatnie ukierunkowuje model i nie gwarantuje pisowni”. Promptowanie kontekstowe NVIDIA donosi o spadku WER dla nazwanych encji z 12,21% do 2,20% przy użyciu precyzyjnej listy encji — badanie przeprowadzone przez dostawcę, ale znacznie mocniejsze twierdzenie, sugerujące inny mechanizm niż łagodne ukierunkowanie.

• Style wyjściowe — pięć stylów NVIDIA (verbatim, written-form, contextual, speaker-attributed, rich) jest wybieranych na podstawie instrukcji. Meta zwraca jeden format i oczekuje, że przetworzysz go dalej.

Cena za godzinę audio

Meta pobiera 3,00 USD za 1000 minut, czyli 0,18 USD za godzinę audio, bez publikowanych progów cenowych ani darmowego limitu. Hostowana oferta NVIDIA w Artificial Analysis kosztuje 2,00 USD za 1000 minut — około 0,12 USD za godzinę — a wagi można pobrać za darmo na licencji OpenMDW-1.1, więc samodzielne hostowanie jest trzecią opcją, której Meta nie oferuje za żadną cenę.

Arytmetyka przy dużej skali jest prosta i nie przemawia za tańszą ceną na metce. Tysiąc godzin audio miesięcznie kosztuje 180 USD przez Meta i 120 USD przez hostowany punkt końcowy Nemotron. Przy samodzielnym hostowaniu te same tysiąc godzin to niecała godzina czasu GPU na RTX PRO 6000 Blackwell przy deklarowanej przez NVIDIA przepustowości NVFP4 — liczmy to jako 2 USD kosztów obliczeniowych przy stawce za wynajmowany GPU, plus koszty operacyjne, pamięć masowa i inżynier, który się tym zajmuje. Przy 10 000 godzin miesięcznie różnica między 1800 USD a kilkuset dolarami pokrywa sporo kosztów operacyjnych; przy 100 godzin miesięcznie nie pokrywa ich wcale.

To, co faktycznie daje samodzielne hostowanie, to nie cena. Daje ono możliwość uruchamiania transkrypcji na dźwięku, któremu zgodnie z umową nie wolno opuszczać Twojej sieci, oraz utrzymania działania potoku, gdy punkt końcowy dostawcy ulega degradacji. To są powody, dla których zespoły podlegające regulacjom płacą za GPU, które w przeciwnym razie mogłyby wynająć.

Gdzie każde z nich się psuje

Tryby awarii Meta są powiązane z opóźnieniami. Jej diaryzacja zakłada mowę bez nakładania się, więc w ostrej rozmowie z pomocą techniczną, z przerywaniem, tury zostaną błędnie oznaczone. Jej transkrypcja nie zawiera znaczników czasu słów, co psuje generowanie napisów, wyszukiwanie audio i każde późniejsze dopasowanie do wideo. Jej kontrakt wejściowy jest ścisły, a biasowanie ma charakter doradczy. Nie ma tłumaczenia, odpowiadania na pytania dotyczące audio ani opcji samodzielnego hostowania.

Tryby awarii NVIDIA dotyczą kwestii związanych z przepływem pracy. Nie potrafi strumieniować, więc nie obsłuży napisów na żywo, agentów głosowych ani routingu połączeń w czasie rzeczywistym. Jego rozumienie dźwięku obsługuje wyłącznie angielski. Limit to jedna godzina na nagranie. Dostarczana integracja z SGLang-Omni pomija dane wyjściowe z atrybucją mówcy, znaczniki czasu słów i tłumaczenie, więc część tego, co obiecuje karta, wymaga ścieżki vLLM lub kontenera NIM. Potrafi też czasami nie zakończyć działania, przed czym karta zaleca się zabezpieczyć.

Żaden z tych zestawów niepowodzeń nie jest błędem działającym na korzyść drugiego modelu. Są to dwa oblicza problemu: model obecny w trakcie trwania audio oraz model, który jest dokładny po jego zakończeniu.

Jeśli potrzebujesz obu naraz, potok nie jest kompromisem

Najczęstsze rzeczywiste wdrożenie wcale nie jest wyborem. Dźwięk na żywo przechodzi przez punkt końcowy strumieniowania Meta, ponieważ tylko w ten sposób można uzyskać tekst w trakcie trwającego połączenia — napisy, wspomaganie agenta, wyszukiwanie na żywo. Ta sama nagranie jest następnie przez noc ponownie transkrybowane offline przez checkpoint NVIDIA, ponieważ przebieg wsadowy generuje czystszy tekst, znaczniki czasu słów z atrybucją mówiącego oraz — w razie potrzeby — tłumaczenie na angielski rozmowy w języku innym niż angielski. Transkrypcja strumieniowa jest na teraz; transkrypcja wsadowa jest do dokumentacji. Zespoły, które próbują zmusić jeden model do pełnienia obu ról, zwykle kończą z opóźnionym widokiem na żywo albo kosztownym rachunkiem za strumieniowanie dźwięku, którego nikt nie słucha.

Dalsza część tego potoku — podsumowywanie rozmów, ocenianie skuteczności agentów, anonimizowanie danych osobowych, kierowanie oznaczonych rozmów do człowieka — to zwykła praca z tekstem i nie należy jej wykonywać na tej samej GPU co ASR. OrcaRouter obsługuje te wywołania tekstowe za pomocą jednego klucza z 0% marży, przekazując cenę katalogową dostawcy bez zmian, z automatycznym przełączaniem awaryjnym, gdy dostawca ma problemy, oraz DSL routingu, który potrafi kierować podsumowywanie i klasyfikację do różnych modeli w ramach jednego przepływu pracy. Ani Meta Muse Voice Transcribe, ani NVIDIA Nemotron 3.5 Transcribe nie znajdują się w katalogu OrcaRouter; router działa po transkrypcji, tam gdzie realizowane jest obciążenie tekstowe.

Trzy pytania rozstrzygają to szybciej niż jakikolwiek ranking. Jak długo po dotarciu dźwięku musi istnieć tekst? Jeśli odpowiedź brzmi „podczas rozmowy”, decyzja należy do Meta, a dyskusja o WER jest tylko ozdobą. Ile osób mówi naraz i czy ich wypowiedzi się nakładają? Jeśli odpowiedź brzmi „więcej niż osiem, i tak”, to jest teren NVIDIA. A czy dźwięk może opuścić twoją sieć? Jeśli odpowiedź brzmi „nie”, to w ogóle można wdrożyć tylko jeden z tych dwóch modeli.

Cała reszta — te 3,1%, te 4,71%, te 0,18 dolara — przechyla szalę między dwoma produktami, które zaprojektowano z myślą o różnych momentach tego samego spotkania.