Nemotron 3.5 Transcribe เทียบกับ Grok Voice Transcribe 2.0: น้ำหนักเปิดบน GPU ของคุณ หรือ 0.20 ดอลลาร์ต่อชั่วโมง

Grok Voice Transcribe 2.0 คิดค่าบริการ 0.20 ดอลลาร์ต่อเสียงทุกชั่วโมงที่คุณสตรีมผ่านระบบ และ 0.10 ดอลลาร์ต่อทุกชั่วโมงที่คุณประมวลผลแบบแบตช์ Nemotron 3.5 Transcribe ไม่คิดค่าบริการรายชั่วโมง และเรียกร้องให้คุณเป็นเจ้าของ GPU ที่รองรับพารามิเตอร์ได้ประมาณ 34 พันล้านตัว หากอ่านเพียงประโยคนั้น การเปรียบเทียบก็ดูเหมือนสงครามราคาระหว่างมิเตอร์กับเครื่องจักร โดยมิเตอร์แพ้อย่างชัดเจน แต่มันไม่ได้แพ้: บนกระดาน Benchmark เดียวที่มีทั้งสองโมเดลปรากฏอยู่ โมเดลที่คิดค่าบริการตามมิเตอร์มีความแม่นยำกว่า และโมเดลเปิดยังห่างไกลพอที่จะโต้แย้งประเด็นนี้ไม่ได้

ทั้งสองเปิดตัวห่างกันหกสัปดาห์ — Grok Voice Transcribe 2.0 เมื่อ 2026-09-18 และ Nemotron 3.5 Transcribe เมื่อ 2026-10-28 — และถูกสร้างมาเพื่องานที่แตกต่างกัน ตัวหนึ่งเป็น API แบบโฮสต์ที่มี WebSocket ซึ่งคืนคำออกมาในขณะที่คนยังพูดอยู่ อีกตัวเป็นเช็กพอยต์ที่คุณดาวน์โหลด โหลดเข้าสู่ระบบ และชี้ไปยังไฟล์บันทึกที่เสร็จแล้ว ความหน่วง จำนวนภาษา ป้ายกำกับผู้พูด โครงสร้างต้นทุน และแม้แต่ข้อกำหนดทางกฎหมาย ล้วนเป็นผลสืบเนื่องมาจากความแตกต่างเพียงข้อเดียวนั้น ซึ่งเป็นเหตุให้คำถามที่น่าสนใจไม่ใช่คำถามที่ว่าตัวไหนถอดความได้ดีกว่า

แต่ละอย่างคืออะไร ในหกบรรทัด

ความต่างของรูปทรงนั้นชัดเจนพอจนรายการสเปกอ่านแล้วเหมือนการจัดประเภทผิด ซึ่งนั่นคือประเด็น

• การปรับใช้ — REST และ WebSocket API แบบโฮสต์บนโครงสร้างพื้นฐานของ xAI เอง เทียบกับ open weights ภายใต้ OpenMDW-1.1 ที่คุณให้บริการเองบน vLLM, SGLang-Omni หรือ NeMo Speech

• ขนาด — xAI ไม่ได้เปิดเผยจำนวนพารามิเตอร์ เมื่อเทียบกับขนาดรวม 34B ซึ่งมีพารามิเตอร์ที่ใช้งานจริงประมาณ 4.3B รวมถึงตัวเข้ารหัสเสียง โดยวางอยู่บนโครงสร้างหลักแบบ mixture-of-experts ที่ผสม Mamba และ Transformer ของ Nemotron 3.5 Lightning 30B-A3B

• อินพุตเสียง — ไฟล์ขนาดสูงสุด 500MB ในรูปแบบคอนเทนเนอร์ 12 รูปแบบ พร้อมการเข้ารหัสดิบอีก 3 แบบ โดยมี 2-8 ช่องสัญญาณผ่านโหมดหลายช่องสัญญาณ เทียบกับการบันทึกเสียงได้นานสูงสุดหนึ่งชั่วโมงที่ 16kHz โมโน PCM ภายในบริบท 65,536 โทเค็น

• เส้นทางแบบเรียลไทม์ — การสตรีมพร้อมผลลัพธ์ชั่วคราวประมาณทุก 500 มิลลิวินาที การตรวจจุดสิ้นสุดเสียง (endpointing) ที่ค่าเริ่มต้น 400 มิลลิวินาที การตรวจจับการผลัดกันพูดแบบอัจฉริยะ และ endpoint แบบแบตช์แยกต่างหาก เทียบกับการไม่สตรีมเลย; โมเดลจะอ่านไฟล์ที่เสร็จสมบูรณ์แล้วและส่งคืนข้อความถอดเสียง

• ความครอบคลุมภาษา — มีการระบุชื่อ 37 ภาษาในเอกสารของ xAI และระบุไว้ในเอกสารนั้นว่า 38+ ภาษา เทียบกับ 40 ภาษาที่ถอดเสียงและ 31 คู่การแปลที่มีภาษาอังกฤษเป็นต้นทางหรือปลายทางบนการ์ด NVIDIA

• ป้ายกำกับผู้พูด — แฟล็ก diarize ที่เพิ่มหมายเลขผู้พูดแบบจำนวนเต็มให้ทุกคำ ใช้ได้กับทั้งแบบแบตช์และสตรีมมิ่ง เมื่อเทียบกับตัวเข้ารหัสแยกผู้พูดแบบหลอมรวมที่สร้างบทถอดความพร้อมระบุผู้พูดได้ในรอบเดียว รองรับผู้พูดสูงสุด 8 คนใน 13 ภาษา

• ราคา — $0.10 ต่อชั่วโมงเสียงแบบแบตช์ และ $0.20 ต่อชั่วโมงเสียงแบบสตรีมมิ่ง เทียบกับกรณีที่ไม่มีอัตราต่อชั่วโมงเผยแพร่ เพราะ NVIDIA ขายน้ำหนักโมเดล และคุณเป็นผู้จัดหาทรัพยากรประมวลผลเอง

กระดานเดียวที่พวกเขามาบรรจบกัน และมันไม่แตกหักในแบบที่คุณคาดไว้

Artificial Analysis จัดทำกระดานจัดอันดับการแปลงเสียงเป็นข้อความ โดยมีสองเส้นทาง ได้แก่ เส้นทางแบบแบตช์สำหรับไฟล์ที่ประมวลผลเสร็จแล้ว และเส้นทางสตรีมมิงสำหรับโมเดลที่ปล่อยผลลัพธ์บางส่วน Nemotron 3.5 Transcribe ผ่านเกณฑ์เฉพาะเส้นทางแรกเท่านั้น ในเส้นทางนั้น Grok Voice Transcribe 2.0 อยู่ที่ 2.3% AA-WER เป็นอันดับที่ห้าในบรรดาโมเดลประมาณหกสิบตัว ขณะที่โมเดลของ NVIDIA ระบุไว้ที่ 2.80% ในเอกสารเปิดตัว และแสดงเป็น 3.4% บนตารางสดในช่วงไม่กี่วันหลังเปิดตัว ไม่ว่าจะเรียกเป็น 2.8% หรือ 3.4% ไม่ว่ากรณีใด โมเดลที่ให้บริการผ่านโฮสต์จะเป็นฝ่ายชนะในเกณฑ์วัดเดียวที่ทั้งสองมีร่วมกัน ด้วยส่วนต่างระหว่างครึ่งจุดถึงหนึ่งจุดเต็ม

ผลลัพธ์นั้นสร้างความเสียหายน้อยกว่าที่เห็นในตอนแรก เพราะโมเดลทั้งสองไม่ได้อยู่ในตารางเดียวกันด้วยเหตุผลเดียวกัน คำกล่าวอ้างของ NVIDIA คือ Nemotron 3.5 Transcribe เป็นโมเดลเสียงแบบโอเพนเวตที่ดีที่สุด และบนตารางที่แคบกว่านั้นมันเป็นเช่นนั้นจริง: การเปรียบเทียบที่มันชนะคือการเทียบกับเช็กพอยต์อื่นที่ดาวน์โหลดได้ ซึ่ง 2.8% คือตัวเลขที่ต้องเอาชนะ Grok Voice Transcribe 2.0 เป็นโมเดลกรรมสิทธิ์เฉพาะและแข่งขันในเส้นทางที่แตกต่างออกไป การนำทั้งสองมาเทียบกันแล้วยกเป็นพาดหัวข่าว — "โมเดลที่โฮสต์ชนะโมเดลเปิดด้วยคะแนน 0.5 คะแนน" — นั้นวัดส่วนผสมของเบนช์มาร์ก ไม่ใช่การตัดสินใจเลือกผลิตภัณฑ์

ในสายการใช้งานแบบสตรีมมิ่งคือจุดที่ความไม่สมมาตรกลายเป็นเชิงโครงสร้างมากกว่าเชิงสถิติ Grok Voice Transcribe 2.0 ครองตำแหน่งสูงสุดในกลุ่มสตรีมมิ่งด้วย final WER 2.7% โดยส่งผลลัพธ์ออกมา 0.49 วินาทีหลังสิ้นสุดการพูด และได้ 3.4% สำหรับ partial แรกที่ความหน่วงเท่ากัน เป็นอันดับหนึ่งในบรรดาโมเดลสตรีมมิ่งประมาณสามสิบสองตัว Nemotron 3.5 Transcribe ไม่มีรายการอยู่ในนี้ เพราะไม่สามารถสตรีมได้ เป็นโมเดลแบบรับไฟล์เข้าและส่งข้อความถอดเสียงออก และไม่มีเอกสารระบุเส้นทางสตรีมมิ่งแบบแบ่งเป็นชังก์สำหรับโมเดลนี้ ใครก็ตามที่เปรียบเทียบสองโมเดลนี้ในด้านความแม่นยำขณะวางแผนใช้งานคำบรรยายสด กำลังเปรียบเทียบโมเดลที่ตนไม่สามารถใช้งานได้

ทั้งสองบอร์ดมีป้ายเตือนที่ควรพูดซ้ำ AA-WER เคลื่อนไปเกือบหนึ่งจุดเต็มสำหรับโมเดลเดียวกันเมื่อใช้ปลายทางการให้บริการที่ต่างกัน ช่องว่าง 0.5 จุดข้างต้นจึงประมาณความกว้างของสัญญาณรบกวนจากการวัด — จริงในเชิงทิศทาง แต่ยังอ่อนในฐานะคำตัดสิน และตัวเลข 6.8% สำหรับวลีสั้นหลายภาษาของ xAI เอง ซึ่งลดลงจาก 20.6% ในเวอร์ชัน 1.0 นั้นมาจากชุดข้อมูลภายในที่สร้างจากทราฟฟิกการใช้งานจริง ไม่ใช่คลังข้อมูลที่เผยแพร่ เป็นคำกล่าวอ้างของผู้จำหน่ายเกี่ยวกับชุดข้อมูลของผู้จำหน่าย และไม่ปรากฏบน Artificial Analysis เลย

การสตรีมคือเส้นแบ่งที่โมเดลแบบเปิดไม่สามารถข้ามได้

สำหรับเจ้าหน้าที่ศูนย์รับสาย แคปชันสด ผู้ช่วยประชุม หรือบอตเสียง การตัดสินใจจบไปแล้วก่อนที่จะพิจารณาความแม่นยำด้วยซ้ำ Grok Voice Transcribe 2.0 รับเฟรมเสียงไบนารีดิบผ่าน WebSocket — pcm, mulaw, alaw หรือ opus — ส่งคืนผลลัพธ์ชั่วคราวประมาณสองครั้งต่อวินาที และให้สัญญาณสิ้นสุดการพูดผ่านการตรวจจับจุดสิ้นสุดคำพูด (endpointing) และการตรวจจับการผลัดกันพูดแบบอัจฉริยะ (smart turn detection) สิ่งเหล่านี้คือกลไกที่ทำให้ทรานสคริปต์รู้สึกเหมือนเกิดขึ้นสด ๆ และเป็นเหตุผลที่ Loom ของ Atlassian ย้ายคลังวิดีโอไปยังโมเดลนี้ตั้งแต่เปิดตัว

Nemotron 3.5 Transcribe มีลักษณะตรงกันข้ามโดยการออกแบบ มันอ่านเสียงได้นานถึงหนึ่งชั่วโมงในครั้งเดียวและส่งคืนบทถอดเสียงที่สมบูรณ์ โดยมีการประทับเวลาระดับคำที่สร้างขึ้นโดยอะแดปเตอร์ CTC ขนาดเบาหลังจากสร้างเสร็จแล้ว ไม่ใช่ระหว่างการสร้าง การออกแบบนี้แลกมาด้วยความแม่นยำในบันทึกเสียงยาวที่ยุ่งเหยิง และต้องแลกกับความหน่วงในทุกกรณีที่สั้นและเป็นแบบโต้ตอบ NVIDIA มีตัวรู้จำเสียงพูดแบบสตรีมมิ่งแยกต่างหากที่เล็กกว่ามากในสายผลิตภัณฑ์ของตน — Nemotron Speech Streaming EN 0.6B — แต่มันเป็นโมเดลคนละตัวที่มีความครอบคลุมต่างกัน ไม่ใช่โหมดสตรีมมิ่งของเช็กพอยต์นี้ การซื้อโมเดล 30B โดยคาดว่าจะต่อเติมความสามารถสตรีมมิ่งภายหลัง ก็เท่ากับซื้อสิ่งที่ผิดถึงสองครั้ง

สี่สิบภาษาเทียบกับสามสิบเจ็ด และจำนวนที่นับได้ซึ่งเปลี่ยนแปลงไป

ตามเอกสารแล้ว ช่องว่างคือสามภาษา แต่ในทางปฏิบัติ ขึ้นอยู่กับว่าคุณอ่านหน้าไหน เอกสารระบบถอดเสียงเป็นข้อความของ xAI ระบุภาษาที่มีชื่อ 37 ภาษา ตั้งแต่ภาษาอาหรับและบอสเนียไปจนถึงภาษาอูรดูและเวียดนาม พร้อมตัวแปรระดับภูมิภาคสำหรับภาษาสเปน โปรตุเกส และอาหรับ และระบุจำนวนรวมว่า 38+ ขณะที่ข้อมูลความครอบคลุมซึ่งเผยแพร่ราวช่วงเปิดตัวในเดือนกันยายนระบุว่า 25 ภาษา เอกสารเป็นแหล่งข้อมูลที่ใหม่กว่าและเจาะจงกว่า แต่จำนวนภาษาที่เปลี่ยนไปถึงสิบสามภาษาระหว่างโพสต์เปิดตัวกับหน้าเอกสาร ถือเป็นจำนวนที่ควรนำไปตรวจสอบกับเสียงของคุณเองมากกว่าจะรับมาใช้เลย

การ์ดของ NVIDIA มีรายละเอียดละเอียดกว่า และเป็นครั้งแรกที่มีความอนุรักษ์นิยมกว่า: 40 ภาษา พร้อมตารางเครื่องหมายถูกแยกตามภาษา และ 13 ภาษาจากจำนวนนั้นถูกทำเครื่องหมายสำหรับการถอดเสียงแบบผู้พูดหลายคน ภาษาที่สำคัญสำหรับการระบุผู้พูดนั้นเป็นชุดที่แคบกว่ากลุ่ม 40 ภาษา ได้แก่ อาหรับ จีนกลาง อังกฤษ ฝรั่งเศส เยอรมัน ฮินดี อิตาลี ญี่ปุ่น เกาหลี โปรตุเกส รัสเซีย สเปน และไทย หากคลังข้อมูลของคุณเป็นภาษาโปแลนด์หรือตุรกี Nemotron 3.5 Transcribe จะถอดเสียงได้ดี แต่จะไม่บอกคุณว่าใครพูดอะไร ซึ่งเป็นความสามารถที่คุณน่าจะซื้อมา

การแปลเป็นคอลัมน์ที่มีเฉพาะ Nemotron ในที่นี้ โมเดลจะแปลไปและกลับจากภาษาอังกฤษครอบคลุม 31 คู่ภาษาในการประมวลผลครั้งเดียวกับการถอดเสียง ซึ่ง Grok Voice Transcribe 2.0 ไม่มีให้บริการ ส่วน API ของ xAI จะคืนข้อความในภาษาที่พูด หากงานคือรายงานการประชุมแบบสองภาษา นั่นคือคุณสมบัติที่การเขียนพรอมต์ใด ๆ ฝั่ง Grok จะจำลองออกมาไม่ได้

ป้ายกำกับผู้พูด: ตัวเข้ารหัสแบบหลอมรวมเทียบกับค่าบูลีน

นี่คือมิติเดียวที่ทั้งสองใกล้เคียงกันมากกว่าที่การตลาดสื่อ และเป็นมิติที่คำตอบที่ตรงไปตรงมาคือทั้งคู่ทำได้

• Nemotron 3.5 Transcribe — โมเดล Nemotron 3 Diarization แบบ frozen จะป้อน representation ของ speaker activity เข้าไปยัง ASR encoder ทำให้ language model มองเห็นว่าใครกำลังพูดเป็นส่วนหนึ่งของอินพุต เอาต์พุตมี speaker tag และ raw segment รองรับผู้พูดสูงสุด 8 คน พร้อม timestamp ระดับคำ เป็นการประมวลผลรอบเดียวโดยไม่มีบริการที่สองคั่นกลาง

Grok Voice Transcribe 2.0 — เพียงตั้งค่า diarize=true แล้วทุกคำที่ถอดออกมาจะมีฟิลด์ speaker เป็นจำนวนเต็มส่งกลับมาด้วย ทั้งในโหมด batch และ streaming เช่นเดียวกัน โหมด Multichannel ไปได้ไกลกว่าอีกขั้น: รองรับการถอดเสียงได้สูงสุด 8 แชนเนลโดยแยกจากกันอย่างอิสระ และส่งกลับพร้อมดัชนีแชนเนล ซึ่งเป็นการระบุที่มาได้อย่างแม่นยำเมื่อต้นฉบับของคุณเป็นการบันทึกแบบหลายแชนเนลแทนที่จะเป็นการผสมรวมกัน

ความแตกต่างในทางปฏิบัติอยู่ที่ความครอบคลุม ไม่ใช่การมีอยู่ แฟล็กของ Grok ทำงานได้ในทุกภาษาที่ API ของมันรองรับ ส่วนเส้นทาง fused ของ NVIDIA ถูกฝึกมาสำหรับ 13 ภาษา และมัลติแชนเนลก็เป็นข้อได้เปรียบจริงในห้องที่มันนำไปใช้ได้ — ห้องประชุมคณะกรรมการที่มีไมโครโฟนหนึ่งตัวต่อหนึ่งที่นั่งไม่จำเป็นต้องให้ตัวแยกผู้พูดมาคาดเดา ส่วนไฟล์โมโนที่ผสมเสียงแล้วจากงานประชุมต้องใช้ และตรงนั้น ช่องว่างด้านคุณภาพระหว่างเอนโคเดอร์แบบ fused กับแฟล็กแบบโฮสต์เป็นสิ่งที่เสียงของคุณเองเท่านั้นที่จะตัดสินได้

การคำนวณที่หนึ่งพันชั่วโมงต่อเดือน

ราคาคือจุดที่โมเดลทั้งสองแตกต่างกันอย่างแท้จริง และควรค่าที่จะลงมือคำนวณตัวเลขให้เห็นจริงมากกว่าจะมาแลกเปลี่ยนเรื่องเล่าประสบการณ์เรื่องค่าใช้จ่าย GPU

ที่ 1,000 ชั่วโมงเสียงต่อเดือน Grok Voice Transcribe 2.0 มีค่าใช้จ่าย $100 ในโหมดแบตช์ หรือ $200 ในโหมดสตรีมมิ่ง — $1,200 หรือ $2,400 ต่อปี โดยไม่มีฮาร์ดแวร์ ไม่มีช่วงเวลาบำรุงรักษา และไม่มีการเริ่มต้นแบบเย็น Nemotron 3.5 Transcribe มีค่าใช้จ่ายเท่ากับค่า GPU หน้าเพจวิจัยของ NVIDIA อ้างว่าเช็กพอยต์ NVFP4 พร้อมโมเดลร่าง DFlash2 ถอดเสียงได้ 2,238 วินาทีของเสียงต่อหนึ่งวินาทีบน RTX PRO 6000 Blackwell เพียงตัวเดียว ซึ่งแม้จะลดลงหนึ่งลำดับความสำคัญก็ยังทำให้เสียง 1,000 ชั่วโมงใช้เวลาเพียงไม่กี่ชั่วโมง GPU ต่อเดือน การประมวลผลไม่ใช่ข้อจำกัด การเป็นเจ้าของต่างหากที่เป็น

• จุดคุ้มทุนเมื่อเทียบกับอัตราการสตรีมมิ่ง — การ์ดเวิร์กสเตชันราคา $8,000 จะคืนทุนได้เองภายใน 40 เดือนของการสตรีมมิ่ง 1,000 ชั่วโมง หรือ 80 เดือนเมื่อเทียบกับอัตราแบบแบตช์

• ที่ 10,000 ชั่วโมงต่อเดือน — การ์ดเดียวกันจะคุ้มทุนภายในสี่เดือนเมื่อเทียบกับการสตรีมมิ่ง และอัตราต่อชั่วโมงลดลงเหลือประมาณ 2 เซนต์

• การเช่า GPU บนคลาวด์ — H100 ในราคาประมาณ $2 ต่อชั่วโมง ย่อมเหนือกว่าราคาตามรายการของทั้งสองโมเดลทันที เมื่อคำกล่าวอ้างเรื่องปริมาณงาน (throughput) ของผู้ขายยังคงเป็นจริงแม้เพียงเศษเสี้ยวของตัวเลขที่ระบุไว้; ต้นทุนคงที่จึงกลายเป็นเวลาในการทำงานวิศวกรรม พื้นที่จัดเก็บข้อมูล และข้อเท็จจริงที่ว่าตอนนี้คุณต้องรันเซิร์ฟเวอร์โมเดลเอง

ดังนั้น จุดคุ้มทุนจึงไม่เกี่ยวกับความแม่นยำในการถอดเสียงเลยแม้แต่น้อย แต่เกี่ยวกับปริมาณ และเกี่ยวกับว่าเสียงนั้นได้รับอนุญาตให้ออกจากเครือข่ายของคุณหรือไม่ หากต่ำกว่าสองสามพันชั่วโมงต่อเดือน อัตราแบบโฮสต์จะถูกกว่าต้นทุนงานวิศวกรรม หากสูงกว่านั้น หรืออยู่หลังกำแพงด้านการปฏิบัติตามข้อกำหนด น้ำหนักโมเดลจะเป็นฝ่ายชนะ และการเปรียบเทียบก็พลิกกลับ

OrcaRouter เหมาะกับตรงไหน และไม่เหมาะกับตรงไหน

โมเดลถอดเสียงทั้งสองตัวนี้ยังไม่อยู่ในแคตตาล็อกของ OrcaRouter ในปัจจุบัน โมเดลที่เราให้บริการคือโมเดลข้อความและโมเดลด้านภาพ และไม่ควรตีความสิ่งใดที่นี่ว่าเป็นเอนด์พอยต์สำหรับตัวใดตัวหนึ่ง สิ่งที่ไปป์ไลน์การถอดเสียงสร้างขึ้นจริง ๆ คือกองข้อความจำนวนมาก ซึ่งจากนั้นต้องมีการสรุป การสกัดเอนทิตี การปกปิดข้อมูล การจัดประเภท และการค้นหา การเรียกเหล่านี้คือจุดที่คีย์เดียวที่เข้ากันได้กับ OpenAI ซึ่งใช้ได้กับโมเดลกว่า 200 โมเดล คุ้มค่า: ราคาตามรายการของผู้ให้บริการถูกส่งผ่านโดยบวกเพิ่ม 0% ดังนั้นเมื่อผู้ขายลดราคา การลดนั้นจึงมีผลในวันเดียวกัน การสลับสำรองอัตโนมัติเมื่อต้นทางรายหนึ่งเสื่อมประสิทธิภาพ และ DSL สำหรับการกำหนดเส้นทางที่สามารถส่งงานจัดประเภทที่มีต้นทุนต่ำไปยังโมเดลขนาดเล็ก ขณะที่คงงานสรุปที่มีต้นทุนสูงไว้กับโมเดลระดับแนวหน้า หากคุณโฮสต์ Nemotron 3.5 Transcribe ด้วยตัวเอง GPU คือตัวถอดเสียงของคุณ ส่วนการกำหนดเส้นทางคือสิ่งที่เกิดขึ้นกับข้อความที่ถอดได้หลังจากนั้น

เลือกอันไหนดี

การตัดสินใจนี้เกี่ยวกับสัญญาณนาฬิกาของออดิโอ ไม่ใช่การ์ดโมเดล

• เสียงสด, วอยซ์เอเจนต์, แคปชัน, การกำหนดเส้นทางสาย — Grok Voice Transcribe 2.0 ไม่ต้องเถียงกันมาก สตรีมมิ่งเป็นความสามารถโดยกำเนิด ความหน่วงต่ำกว่าครึ่งวินาทีก่อนได้ทรานสคริปต์ฉบับสมบูรณ์ และปลายทางแบบแบตช์ใช้โมเดลเดียวกันสำหรับการเติมข้อมูลย้อนหลังข้ามคืน

• ไฟล์บันทึกที่เสร็จสมบูรณ์แล้วซึ่งมีผู้พูดหลายคน ในภาษาที่ไม่ใช่ภาษาอังกฤษ — Nemotron 3.5 Transcribe โดยมีเงื่อนไขว่าคุณมี GPU และเส้นทางการแยกผู้พูดสำหรับ 13 ภาษาครอบคลุมไฟล์เสียงของคุณ นี่คือกรณีที่โมเดลนี้ถูกสร้างขึ้นมาเพื่อรองรับ และเป็นจุดที่การรองรับ 40 ภาษาและการแยกผู้พูด (diarisation) แบบรอบเดียวเอาชนะช่องว่างความแม่นยำ 0.5 จุด

• คลังเก็บถาวรสองภาษา — Nemotron 3.5 Transcribe เพราะคู่คำแปลถูกส่งมาพร้อมกันในพาสเดียวกัน และ Grok ไม่แปล

• ปริมาณน้อย ไม่มี GPU ใช้ภาษาอังกฤษเท่านั้น — Grok Voice Transcribe 2.0 ในโหมดประมวลผลเป็นชุดที่ $0.10 ต่อชั่วโมง หนึ่งพันชั่วโมงมีค่าใช้จ่ายหนึ่งร้อยดอลลาร์ ไม่มีอิสระด้านสัญญาอนุญาตแบบ open-weight มากมายเพียงใดที่จะชดเชยการซื้อการ์ด Blackwell เพื่อประหยัดเงินจำนวนนั้นได้

คำตอบที่สี่ที่ชวนให้หลงเชื่อ — ปล่อย Nemotron ตอนนี้แล้วค่อยเพิ่มสตรีมมิ่งภายหลัง — ไม่มีอยู่จริง โมเดลที่ NVIDIA ส่งมอบมานั้นเป็นแบบออฟไลน์โดยเจตนา และสายสตรีมมิ่งที่ขายคู่กันมาก็เป็นตัวรู้จำภาษาอังกฤษขนาด 0.6B ไม่ใช่โหมดของโมเดลนี้ เลือกรูปแบบที่คุณต้องการก่อน ส่วนข้อโต้แย้งเรื่องลีดเดอร์บอร์ดรอไว้ได้ เพราะ AA-WER ห่างกันครึ่งจุดนั้นอยู่ในช่วงที่โมเดลเดียวกันแปรผันเมื่อเปลี่ยนโฮสต์อยู่แล้ว