NVIDIA lanserer Nemotron 3.5 Transcribe, en talegjenkjenningsmodell med åpne vekter

NVIDIA lanserer Nemotron 3.5 Transcribe, en talegjenkjenningsmodell med åpne vekter

NVIDIA lanserte Nemotron 3.5 Transcribe 28. oktober — en talespråkmodell med 30 milliarder parametere (4 milliarder aktive) og åpne vekter, som troner øverst på rankingene for åpne modeller: 2,8 % WER på Artificial Analysis, 5,33 % på HF sin engelske Open ASR-ranking, og 4,62 % for flerspråklig transkripsjon [1][2]. Modellen håndterer ordrett, kontekstuell og talerspesifikk transkripsjon, oversettelse mellom 40 språk, diarisering (identifisering av hvem som snakker når) for opptil åtte talere, og til og med spørsmål-og-svar basert på lyd — alt i én enkelt gjennomkjøring av opptak på opptil en time [3].

Det som er bemerkelsesverdig med ytelsestallene, er mindre selve nøyaktigheten og mer hastigheten og allsidigheten: opptil 2238 sekunder lyd behandlet per sekund på en Blackwell-GPU, samt en solid score på 1,8 % på AA-AgentTalk-benchmarken for talebaserte agenter [2]. Vektene er gratis tilgjengelige på Hugging Face og ModelScope.

Utviklere på X festet seg særlig ved hvordan modellen håndterer overlappende tale og møter med flere talere — nettopp den rotete, virkelighetsnære lyden som ofte velter dårligere talegjenkjenningssystemer. For enhver leverandør som bygger transkripsjonsinfrastruktur, hever en så kapabel åpen modell lista for hva som nå regnes som "godt nok" når det gjelder diarisering og nøyaktighet.

Graphify omdanner mapper med kode, dokumenter og bilder til søkbare personlige kunnskapsgrafer

Graphify, et åpen kildekode-verktøy som kjører lokalt, omdanner mapper med kode, dokumenter og bilder til interaktive, søkbare kunnskapsgrafer — uten sky og uten behov for en vektordatabase [1][2]. Verktøyet bruker tree-sitter til å tolke deterministisk over 36 programmeringsspråk, i tillegg til Markdown og SQL, til AST-baserte noder og relasjoner, og legger på semantisk ekstraksjon for dokumenter, PDF-er og bilder [3]. Resultatet inkluderer en interaktiv graph.html, en GRAPH_REPORT.md og en graph.json — hver relasjon merket som EXTRACTED eller INFERRED for sporbarhet.

Verktøyet kobler seg til Obsidian og Claude Code, og kan startes via CLI eller en enkel slash-kommando, /graphify ., inne i en AI-assistent.

Diskusjonen på X dreide seg om "second brain"-systemer — utviklere ser på Graphify som et steg forbi flat semantisk søk, mot strukturert, forklarbar henting av informasjon (korteste stier, sporbar resonnering) på tvers av egne filer. Det er et lite prosjekt, men det peker på hvor verktøy for personlig kunnskapshåndtering er på vei: lokalt, strukturert og sporbart.

Granola-møtetranskripsjoner integrert i Obsidian PKM og agentbaserte arbeidsflyter

Fellesskapsplugins som obsidian-granola-plugin og og-sync henter nå Granolas AI-genererte møtesammendrag, notater og fullstendige transkripsjoner — via det offisielle MCP-API-et/OAuth eller manuell eksport — direkte inn i Obsidian-arkiver som strukturert Markdown, komplett med frontmatter for deltakere, tidsstempler og kryssreferanser [1][2]. Pluginene håndterer dubliseringskontroll og kobling av deltakere, og mater inn i agentbaserte prosessløp som utfører oppsummering, uttrekk av gjøremål og videresending til andre verktøy som AssemblyAI eller Dropbox [3].

Dette er infrastrukturbygging fra grasrota — brukere og utviklere syr sammen et verktøy som kun fanger opp møter (Granola) med et verktøy bygget for varig personlig kunnskap (Obsidian), fordi ingen av dem alene gjør hele jobben.

Samtalen på X dreide seg nettopp om denne sammenkoblingen: automatiserte, agentstyrte arbeidsflyter som gjør møtetranskripsjoner faktisk brukbare uker eller måneder senere, i stedet for å bli liggende isolert. Dette er en trend verdt å følge med på — folk er sultne på verktøy som behandler møter som en kunnskapskilde, ikke bare et opptak som kastes.

Hva dette betyr for dine møter

Dagens nyheter tegner ett tydelig mønster: møtet er ikke lenger en isolert hendelse — det er én node i en pågående, søkbar oversikt over arbeidet ditt. Otters "Work Mode" strekker seg eksplisitt bakover i møtehistorikken din og fremover inn i CRM-systemet; Granola-brukere bygger for hånd den samme broen inn i Obsidian fordi markedet ennå ikke har levert den fullt ut; og Graphify viser den underliggende sulten etter strukturerte, forklarbare kunnskapsgrafer fremfor flate notatdumper. Fellesnevneren er at selve transkripsjonen er i ferd med å bli en selvfølge — NVIDIAs Nemotron 3.5 Transcribe, gratis og med åpne vekter, garanterer så godt som at ren tale-til-tekst-nøyaktighet slutter å være et konkurransefortrinn i løpet av året.

Det er nettopp dette terrenget Proudfrog er bygget for. Når transkripsjon blir en standardvare, flytter verdien seg helt over til det som skjer etter at opptaket er ferdig: hvordan talere identifiseres og følges over tid, hvordan en kunnskapsgraf kobler dagens beslutning til diskusjonen fra forrige kvartal, og hvordan AI-basert henting løfter frem riktig fakta fra riktig møte måneder senere, uten at du må huske hvilken samtale det var i. De hjemmesnekrede prosessløpene folk setter sammen med Granola og Obsidian i dag, er en forsmak på det som må bli innebygd, ikke noe man limer på i etterkant.

Lærdommen for leverandører av møteintelligens er klar: sammendrag og oppsummeringer er nødvendige, men ikke lenger tilstrekkelige. Det reelle konkurransefeltet er varig, strukturert hukommelse på tvers av hele møtehistorikken din — sammenkoblet, sporbar og øyeblikkelig tilgjengelig.

Hovedpoeng: Når transkripsjonsnøyaktighet blir gratis og en selvfølge, flytter kampen seg til hukommelsen — hvem som kan omdanne et år med møter til en pålitelig, søkbar kunnskapsbase, og ikke bare en haug med transkripsjoner.

Sources

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