Bahasa Indonesia Didukung, dengan Catatan
Nemotron 3.5 Transcribe adalah model speech recognition berbobot terbuka yang mengubah audio menjadi transkrip, mengenali penutur, menerjemahkan ujaran, dan menjawab pertanyaan tentang isi rekaman dalam satu sistem. Pada 28 Oktober 2026, NVIDIA merilis model ini untuk menggabungkan berbagai tugas audio dalam satu checkpoint. Model ini mendukung transkripsi dalam 40 bahasa, termasuk bahasa Indonesia. Namun, dukungan bahasa Indonesia tercatat pada tingkat Supported—kategori terendah dari tiga tingkat dukungan—sehingga kehadirannya bukan jaminan bahwa hasilnya sama akuratnya dengan bahasa yang mendapat peringkat lebih tinggi. Model juga dapat menangani percakapan campur bahasa, seperti bahasa Indonesia dan Inggris. Untuk terjemahan, cakupannya lebih terbatas: 31 bahasa dapat diterjemahkan ke atau dari bahasa Inggris, tetapi terjemahan bahasa Indonesia belum tersedia. Jadi, kegunaan utamanya bagi tim lokal saat ini adalah transkripsi audio Indonesia, bukan penerjemahan langsung ke bahasa lain.
Satu Sistem, Banyak Tugas—Bukan Streaming Langsung
Nilai teknis model ini terletak pada penyatuan transkripsi multibahasa, atribusi penutur, penerjemahan, dan tanya jawab audio dalam satu sistem. Arsitekturnya memiliki 34 miliar parameter, dengan sekitar 4,3 miliar parameter aktif untuk setiap token. Untuk diarisasi pembicara otomatis, model dapat mengidentifikasi penutur dalam 13 bahasa, memberi label hingga delapan orang, serta memproses rekaman berdurasi sampai satu jam. Kombinasi ini membuat pengguna dapat meminta transkrip sekaligus label pembicara, atau menanyakan isi rekaman melalui instruksi teks. Namun, Nemotron 3.5 Transcribe adalah model luring: pemrosesan audio secara bertahap tidak menjadikannya layanan streaming waktu nyata. Karena itu, perusahaan sebaiknya melihatnya sebagai alat untuk mengolah rekaman, bukan sebagai solusi takarir langsung saat rapat berlangsung.
Manfaat untuk Dokumentasi Enterprise Perlu Diuji
Bagi perusahaan, peluang paling jelas adalah dokumentasi rapat otomatis. Pengguna dapat meminta model menandai tiap pembicara atau menanyakan keputusan yang diambil dalam rapat, sehingga rekaman lebih mudah diubah menjadi bahan tindak lanjut.
