NVIDIA lancerer Nemotron 3.5 Transcribe, en open-weights STT-model

NVIDIA lancerer Nemotron 3.5 Transcribe, en open-weights STT-model

NVIDIA lancerede Nemotron 3.5 Transcribe den 28. oktober — en speech-LLM med 30 mia. parametre (4 mia. aktive), der topper ranglisterne for open-weights-modeller: 2,8 % WER på Artificial Analysis, 5,33 % på HF's engelske Open ASR-rangliste og 4,62 % på den flersprogede [1][2]. Modellen håndterer ordret, kontekstuel og talerspecifik transskription, oversættelse på tværs af 40 sprog, diarisering af op til otte talere og endda spørgsmål-svar baseret på lyd — alt sammen i ét gennemløb for optagelser på op til en time [3].

Det bemærkelsesværdige ved resultaterne er mindre den rene nøjagtighed og mere hastigheden og alsidigheden: op til 2.238 sekunders lyd behandlet pr. sekund på en Blackwell-GPU, samt en stærk score på 1,8 % på AA-AgentTalk-benchmarket for talebaserede agenter [2]. Vægtene er gratis tilgængelige på Hugging Face og ModelScope.

Udviklere på X hæftede sig særligt ved modellens håndtering af overlappende tale og møder med flere talere — netop den rodede, virkelighedsnære lyd, der typisk vælter mindre gode ASR-systemer. For enhver udbyder, der bygger transskriptionsinfrastruktur, hæver en så kompetent open-model barren for, hvad "god nok" diarisering og nøjagtighed betyder i dag.

Graphify omdanner mapper med kode, dokumenter og billeder til gennemsøgelige personlige videngrafer

Graphify, et open source-værktøj til lokal brug, omdanner mapper med kode, dokumenter og billeder til interaktive, gennemsøgelige videngrafer — uden sky og uden behov for en vektordatabase [1][2]. Værktøjet bruger tree-sitter til deterministisk at parse 36+ programmeringssprog samt Markdown og SQL til AST-baserede noder og relationer, og lægger semantisk udtræk oven på det for dokumenter, PDF'er og billeder [3]. Resultatet omfatter en interaktiv graph.html, en GRAPH_REPORT.md og en graph.json — hver relation er mærket som EXTRACTED eller INFERRED, så man kan spore oprindelsen.

Det integreres med Obsidian og Claude Code og kan tilgås via CLI eller en simpel /graphify .-slash-kommando inde i en AI-assistent.

Diskussionen på X kredsede om "second brain"-systemer — udviklere ser Graphify som et skridt videre fra fladsøgning med semantik til struktureret, forklarlig genfinding (korteste veje, sporbar ræsonnering) på tværs af ens egne filer. Det er et lille projekt, men det peger på, hvor personlige videnværktøjer er på vej hen: lokalt-først, struktureret og med fokus på sporbarhed.

Granola-mødetransskriptioner integreres i Obsidian PKM og agentarbejdsgange

Community-plugins som obsidian-granola-plugin og og-sync henter nu Granolas AI-genererede mødereferater, noter og fulde transskriptioner — via den officielle MCP API/OAuth eller manuel eksport — direkte ind i Obsidian-arkiver som struktureret Markdown, komplet med frontmatter for deltagere, tidsstempler og krydshenvisninger [1][2]. Plugins'ene håndterer dubletfjernelse og deltagerlinkning, og fodrer agent-pipelines, der klarer opsummering, udtræk af gøremål og videresendelse til andre værktøjer som AssemblyAI eller Dropbox [3].

Dette er infrastrukturopbygning fra bunden — brugere og udviklere syr selv et værktøj sammen, der kun fanger møder (Granola), med et værktøj bygget til varig, personlig viden (Obsidian), fordi ingen af dem alene klarer hele opgaven.

Samtalen på X fokuserede entydigt på pipeline-aspektet: automatiserede, agentdrevne arbejdsgange, der gør mødetransskriptioner faktisk brugbare uger eller måneder senere, i stedet for at ligge glemt i en silo. Det er en tendens, der er værd at holde øje med — folk tørster efter værktøjer, der behandler møder som en videnkilde og ikke blot en engangsoptagelse.

Hvad det betyder for dine møder

Dagens nyheder tegner ét samlet billede: mødet er ikke længere en isoleret begivenhed — det er en knude i en løbende, gennemsøgelig oversigt over dit arbejde. Otters Work Mode rækker eksplicit bagud ind i din mødehistorik og fremad ind i dit CRM; Granola-brugere bygger selv den samme bro over til Obsidian, fordi markedet endnu ikke har leveret den fuldt ud; og Graphify viser den underliggende efterspørgsel efter strukturerede, forklarlige videngrafer frem for flade notedynger. Den røde tråd er, at selve transskriptionen er ved at blive en selvfølgelighed — NVIDIAs Nemotron 3.5 Transcribe, gratis og open-weights, gør det næsten sikkert, at ren tale-til-tekst-nøjagtighed holder op med at være et konkurrenceparameter inden for et år.

Det er netop det terræn, Proudfrog er bygget til. Når transskription bliver en standardvare, flytter hele værdien sig til det, der sker, efter optagelsen stopper: hvordan talere identificeres og følges over tid, hvordan en videngraf forbinder dagens beslutning med sidste kvartals diskussion, og hvordan AI-baseret genfinding finder det rette faktum fra det rette møde måneder senere, uden at du selv kan huske, hvilket opkald det var fra. De hjemmelavede pipelines, folk bygger med Granola og Obsidian i dag, er et forvarsel om, hvad der bør være indbygget fra starten — ikke lappet sammen efterfølgende.

Lektien for udbydere af mødeintelligens er tydelig: referater og opsummeringer er nødvendige, men ikke længere tilstrækkelige. Den egentlige konkurrenceplads er varig, struktureret hukommelse på tværs af hele din mødehistorik — forbundet, sporbar og øjeblikkeligt tilgængelig.

Vigtigste pointe: Når transskriptionsnøjagtighed bliver gratis og en selvfølge, flytter kampen sig til hukommelsen — hvem kan omdanne et års møder til en troværdig, gennemsøgelig videnbase, og ikke blot en bunke transskriptioner.

Kilder

1. https://otter.ai/blog/otter-rethinks-the-meeting-new-ai-preps-you-coaches-you-and-follows-through
2. https://www.computerworld.com/article/4241172/otter-adds-work-mode-to-automate-more-meeting-related-tasks.html
3. https://otter.ai/work-mode
4. https://research.nvidia.com/labs/nemotron/NVIDIA-Nemotron-3.5-Transcribe/
5. https://siliconangle.com/2026/10/28/nvidia-releases-all-in-one-adaptable-nemotron-3-5-audio-transcription-and-translation-model/
6. https://huggingface.co/blog/nvidia/nemotron-transcribe-granary
7. https://graphify.com/docs/tutorial
8. https://github.com/Graphify-Labs/graphify
9. https://graphify.net/knowledge-graph-for-ai-coding-assistants.html
10. https://github.com/philfreo/obsidian-granola-plugin
11. https://github.com/og-sync/obsidian-granola-sync
12. https://superframeworks.com/articles/granola-encrypted-local-notes