NVIDIA Släpper Nemotron 3.5 Transcribe – STT-modell med öppna vikter

NVIDIA lanserade Nemotron 3.5 Transcribe den 28 oktober — en talmodell med 30 miljarder parametrar (4 miljarder aktiva) med öppna vikter som toppar topplistorna bland öppna modeller: 2,8 % WER på Artificial Analysis, 5,33 % på HF:s topplista för engelsk Open ASR, och 4,62 % flerspråkigt [1][2]. Den klarar ordagrann, kontextuell och talarspecifik transkribering, översättning mellan 40 språk, diarisering för upp till åtta talare, och till och med frågor och svar kring ljudinnehåll — allt i en enda körning på inspelningar upp till en timme långa [3].

Prestandasiffrorna är mindre anmärkningsvärda för ren träffsäkerhet och mer för hastighet och mångsidighet: upp till 2 238 sekunder ljud bearbetat per sekund på ett Blackwell-grafikkort, samt ett starkt resultat på 1,8 % på AA-AgentTalk-benchmarken för röstagenter [2]. Vikterna är fria att ladda ner på Hugging Face och ModelScope.

Utvecklare på X fokuserade på hur väl modellen hanterar överlappande tal och möten med flera talare — just den där stökiga, verkliga ljudmiljön som brukar sätta käppar i hjulen för sämre ASR-system. För alla leverantörer som bygger transkriberingsinfrastruktur höjer en så här kapabel öppen modell ribban för vad "tillräckligt bra" diarisering och träffsäkerhet nu innebär.

Graphify Omvandlar Mappar med Kod, Dokument och Bilder till Sökbara Personliga Kunskapsgrafer

Graphify, ett lokalt verktyg med öppen källkod, omvandlar mappar med kod, dokument och bilder till interaktiva, sökbara kunskapsgrafer — utan moln och utan vektordatabas [1][2]. Verktyget använder tree-sitter för att deterministiskt tolka 36+ programmeringsspråk samt Markdown och SQL till AST-baserade noder och relationer, med semantisk extrahering på toppen för dokument, PDF:er och bilder [3]. Resultatet inkluderar en interaktiv graph.html, en GRAPH_REPORT.md och en graph.json — där varje relation märks som EXTRACTED eller INFERRED för att visa ursprung.

Det kopplas in i Obsidian och Claude Code, och kan köras via CLI eller ett enkelt /graphify .-slashkommando inuti en AI-assistent.

Diskussionen på X kretsade kring "second brain"-system — utvecklare ser Graphify som ett steg bortom platt semantisk sökning mot strukturerad, förklarbar återvinning (kortaste vägar, spårbart resonemang) genom dina egna filer. Det är ett litet projekt, men det pekar på vart personliga kunskapsverktyg är på väg: lokalt först, strukturerat och med spårbart ursprung.

Granola-mötestranskriptioner Integrerade i Obsidian PKM och Agentarbetsflöden

Community-tillägg som obsidian-granola-plugin och og-sync hämtar nu Granolas AI-genererade mötessammanfattningar, anteckningar och fullständiga transkriptioner — via det officiella MCP-API:et/OAuth eller manuell export — direkt in i Obsidian-valv som strukturerad Markdown, komplett med frontmatter för deltagare, tidsstämplar och korslänkar [1][2]. Tilläggen hanterar dubblettrensning och koppling av deltagare, och matar in i agentpipelines som gör sammanfattning, uppgiftsextrahering och vidarebefordran till verktyg som AssemblyAI eller Dropbox [3].

Det här är gräsrotsbyggd infrastruktur — användare och utvecklare som sömmar ihop ett verktyg som bara fångar möten (Granola) med ett verktyg byggt för varaktig personlig kunskap (Obsidian), eftersom inget av dem klarar hela uppgiften ensamt.

Konversationen på X fokuserade raka spåret på pipeline-aspekten: automatiserade, agentdrivna arbetsflöden som gör mötestranskriptioner faktiskt användbara veckor eller månader senare, istället för att ligga begravda i en silo. Det är en trend värd att hålla koll på — folk hungrar efter verktyg som behandlar möten som en kunskapskälla, inte en engångsinspelning.

Vad Detta Betyder För Dina Möten

Dagens nyheter följer en gemensam linje: mötet är inte längre en isolerad händelse — det är en nod i en pågående, sökbar dokumentation av ditt arbete. Otters Work Mode sträcker sig uttryckligen bakåt in i din mötesHistorik och framåt in i ditt CRM; Granola-användare bygger för hand samma bro in i Obsidian eftersom marknaden ännu inte levererat den fullt ut; och Graphify visar den underliggande aptiten för strukturerade, förklarbara kunskapsgrafer framför platta anteckningshögar. Den gemensamma tråden är att själva transkriberingen håller på att bli en hygienfaktor — NVIDIAs Nemotron 3.5 Transcribe, gratis och med öppna vikter, garanterar nästan att ren tal-till-text-träffsäkerhet slutar vara en konkurrensfördel inom ett år.

Det är exakt den terräng som Proudfrog är byggt för. När transkribering blir en handelsvara flyttas värdet helt till det som händer efter att inspelningen stoppats: hur talare identifieras och följs över tid, hur en kunskapsgraf kopplar dagens beslut till förra kvartalets diskussion, och hur AI-sökning lyfter fram rätt fakta från rätt möte månader senare utan att du minns vilket samtal det var i. De hemmabyggda pipelines som folk sätter ihop med Granola och Obsidian idag är ett smakprov på vad som behöver vara inbyggt från grunden, inte tillfogat i efterhand.

Lärdomen för leverantörer av mötesintelligens är tydlig: sammanfattningar och återblickar är nödvändiga men inte längre tillräckliga. Den verkliga konkurrensytan är ett varaktigt, strukturerat minne över hela din möteshistorik — sammankopplat, spårbart och direkt sökbart.

Viktigaste slutsats: När transkriberingens träffsäkerhet blir gratis och en handelsvara flyttas striden till minnet — vem som kan omvandla ett års möten till en pålitlig, sökbar kunskapsbas, inte bara en hög med transkriptioner.

Sources

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

NVIDIA Släpper Nemotron 3.5 Transcribe – STT-modell med öppna vikter