NVIDIA Nemotron 3.5 Transcribe Ücretsiz Nasıl Kullanılır? (1 Numaralı Açık Konuşmadan Metne Modeli)

NVIDIA, Hugging Face Open ASR Leaderboard'da en doğru açık ağırlıklı konuşmadan metne modelini yayınladı ve bugün ücretsiz olarak kullanabilirsiniz. Nemotron 3.5 Transcribe (tam adı NVIDIA-Nemotron-3.5-Transcribe-30B-A4B) 28 Ekim 2026'da ticari kullanıma izin veren OpenMDW-1.1 lisansı altında yayınlandı. Bu, üç adet 0$ maliyetli yol anlamına geliyor: NVIDIA'nın kendi demo Space'i, kendi GPU'nuzda ücretsiz ağırlıklar ve aynı kontrol noktasını saran topluluk Space'leri.

Bu kılavuz her ücretsiz yolu, neleri yapıp yapamayacağını ve ücretsiz yeterli olmadığında en ucuz ücretli yedek seçeneği ele alıyor. Tüm bilgiler resmi model kartından, NVIDIA'nın Hugging Face lansman yazısından ve Open ASR Leaderboard'dan alınmıştır; hepsi 29 Ekim 2026'da okunmuştur.

Yalnızca barındırılan API'ye ihtiyacınız varsa, Nemotron 3.5 Transcribe API kılavuzumuza geçin.

Nemotron 3.5 Transcribe ücretsiz mi?

Evet, iki şekilde. Ağırlıkları ücretsiz indirebilirsiniz ve lisans ticari ve ticari olmayan kullanıma izin verir, bu nedenle kendi sunucunuzda barındırma size yalnızca donanım maliyeti çıkarır. NVIDIA ayrıca Hugging Face üzerinde tarayıcıda deneyebileceğiniz ücretsiz bir demo Space çalıştırıyor.

Ücretsiz olmayan şey: barındırılan API'ler. DeepInfra, sesin dakikası başına 0,002$ ücret alıyor ve OpenRouter bunu saniye başına 0,000033$ olarak listeliyor. Hiçbiri ücretsiz bir varyant göstermiyor. Ve 29 Ekim 2026 itibarıyla model, birçok NVIDIA modelinin ücretsiz deneme API'si aldığı build.nvidia.com'da görünmüyor. Orada "transcribe" araması ilgisiz bir İspanyolca ASR modeli döndürdü.

İnsanların neden istediği: sayılar

Nemotron 3.5 Transcribe, konuşma ile güçlendirilmiş bir dil modelidir. 600 milyon parametreli bir ASR kodlayıcısı ve bir konuşmacı kodlayıcısı, hibrit bir Mamba-2 ve Transformer uzman karışımı dil modelini besler. Toplamda 34 milyar parametresi vardır, ancak jeton başına yalnızca yaklaşık 4,3 milyarı aktiftir, bu nedenle tek bir GPU'da çalışır.

Tek bir kontrol noktasında yaptıkları:

• 40 dilde transkripsiyon, 13'ü "öncü" olarak derecelendirilmiştir (İngilizce, İspanyolca, Fransızca, Almanca, Hintçe, Korece, Portekizce ve diğerleri)
• Tek bir istekte bir saate kadar kayıtlar (65.536 jetonluk bağlam)
• Konuşmacı atfı, sekize kadar etiketli konuşmacı ile
• Kelime düzeyinde zaman damgaları, CTC hizalama başlığı aracılığıyla
• Konuşma çevirisi, 31 dil arasında İngilizce'ye ve İngilizce'den
• Bağlam istemi: adları ve jargonu geçin ki doğru yazsın
• Ses soru-cevap (yalnızca İngilizce)

28 Ekim 2026'da güncellenen Open ASR Leaderboard'da ortalama %5,33 WER puanı alıyor. Bu onu 61 model arasında 9. sıraya koyuyor. Üstündeki sekizi (Otter, Zoom Scribe v2 Pro, ElevenLabs Scribe v2, Azure Speech ve diğerleri) hepsi kapalı, ücretli API'ler. İndirebileceğiniz modeller arasında hiçbiri daha yüksek sıralamada değil. OpenAI'nin whisper-large-v3 modeli %7,16 ile 41. sırada.

NVIDIA'nın kendi model kartı dokuz genel sette ortalama %4,71 WER bildiriyor. Leaderboard'un %5,33'ü iki özel set ekliyor, bu nedenle her iki sayı da dürüst; farklı karışımları ölçüyorlar.

Başlamadan önce bilinmesi gereken bir sınırlama: çevrimdışı bir model. Kaydedilmiş dosyaları yazıya döker, canlı mikrofon akışını değil.

Her ücretsiz ve ücretli yol karşılaştırıldı

Yalnızca ilk üç satır hiçbir şeye mal olmuyor.

Ücretsiz yol 1: NVIDIA'nın demo Space'i

Modelin neler yapabileceğini duymanın en hızlı yolu, huggingface.co/spaces/nvidia/nemotron-transcribe adresindeki resmi NVIDIA Space'i.

1. Space'i tarayıcınızda açın. Yüklemek için hesap gerekmez.
2. Bir sekme seçin. 29 Ekim 2026'da Space'in üç sekmesi vardı: Karaoke (kelime zamanlı sözler), Podcast transcript (konuşmacı atıflı metin) ve Movie subtitles (zamanlı altyazılar).
3. Sekmenin izin verdiği şekilde bir örnek seçin veya bir bağlantı yapıştırın. Karaoke sekmesi, önizlemesinin ilk 60 saniyeyi kapsadığını belirtir.
4. Çalıştırın ve çıktıyı okuyun. Karaoke görünümü, söylenirken her kelimeyi vurgular ve bu da kelime zaman damgalarını sergiler.

Space'i bir demo olarak görün, ücretsiz bir API olarak değil. Genel Space'ler GPU'ları paylaşır, istekleri kuyruğa alır ve habersiz değişebilir. Bir ürünü bunun üzerine kurmayın.

Ücretsiz yol 2: açık ağırlıkları kendiniz çalıştırın

Gerçek ücretsiz katman bu: zaten sahip olduğunuz donanımda sınırsız transkripsiyon, makinenizden hiçbir şey ayrılmadan. Lisans (OpenMDW-1.1) ticari kullanıma izin verir, böylece bunu bir ürün içinde yayınlayabilirsiniz.

İşin püf noktası donanım. NVIDIA'nın referans kurulumu BF16'da bir H100 80 GB'dır. Model kartındaki uyumluluk tablosu şunları listeliyor:

• BF16: H100, H200, A100 80 GB, B200, GB200, DGX Spark
• FP8: H100, H200, L40S 48 GB
• Yalnızca NVFP4: RTX 5090 (32 GB) ve RTX PRO 6000 Blackwell

Yani bir tüketici RTX 5090, NVFP4 kontrol noktası ile çalışır. RTX 4090 gibi eski 24 GB'lık kartlar listede değil.

En hızlı test, yalnızca kaynaktan yüklenen Transformers gerektirir:

pip install git+https://github.com/huggingface/transformers

from transformers import AutoModelForMultimodalLM, AutoProcessor

model_id = "nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForMultimodalLM.from_pretrained(model_id, device_map="auto")

inputs = processor.apply_transcription_request("meeting.wav").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=1024)
print(processor.decode(outputs[:, inputs.input_ids.shape[1]:], skip_special_tokens=True))

Bu, birkaç dosya için yeterli. Toplu işler, uzun kayıtlar ve OpenAI uyumlu bir uç nokta için vLLM 0.32.0 ve NeMo Speech eklentisi ile sunun. Nemotron 3.5 Transcribe'ı yerel olarak çalıştırma adım adım kılavuzumuzda model kartındaki tam kurulum ve vllm serve komutu yer alıyor.

Yerel GPU'nuz yok mu? Saatlik kiralama, büyük birikimler için en ucuz "neredeyse ücretsiz" yoldur. NVIDIA, bir RTX PRO 6000 Blackwell'in NVFP4 derlemesi ile üç dakikadan kısa sürede 100 saatlik sesi işleyebileceğini söylüyor, ancak bu rakam henüz açık kaynak olmayan sunum optimizasyonlarını kullanıyor.

Ücretsiz yol 3: topluluk Space'leri

Model sayfası, aynı kontrol noktası üzerine kurulmuş birkaç topluluk Space'i listeliyor, bunlar arasında hugging-apps/nemotron-3-5-transcribe ve mrfakename/nemotron-3.5-transcribe var. NVIDIA Space kuyruğu uzun olduğunda veya düz bir yükleme kutusu istediğinizde kullanışlıdırlar. Bireyler tarafından çalıştırılırlar, bu nedenle uyku durumları, kotalar ve ara sıra ölü bağlantılar bekleyin.

Daha iyi ücretsiz sonuçlar alan istemler

Nemotron 3.5 Transcribe sade dil talimatları alır. Bunlar model kartından ve DeepInfra listesinden gelir. Transkripsiyon için sistem istemini boş tutun ve sıcaklığı 0 kullanın.

Temiz, okunabilir metin:

Audio transcription. Language: as spoken. Wording: omit fillers and accidental repetitions; keep the remaining spoken wording unchanged. Formatting: punctuation and capitalization. Output: transcript only.

Kim ne söyledi:

Transcribe verbatim, including fillers. Write numbers as spoken, without punctuation or capitalization. Start every speaker turn with <spk:0>, <spk:1>, etc. Keep one stable tag per speaker. Output only the speaker-tagged transcript.

Ürün adları ve jargon:

Transcribe with punctuation and capitalization. Context terms: Apidog, OpenAPI, Kubernetes, gRPC.

Çeviri:

Please translate the given speech to English.

Bağlam terimleri beklediğinizden daha önemli. NVIDIA'nın ContextASR karşılaştırmasında WER, bağlamsız %3,33'ten ince taneli bağlamla %1,71'e düşüyor.

Ücretsiz yeterli olmadığında: en ucuz ücretli yol

Desteklenen bir GPU'nuz yoksa ve bir demodan fazlasına ihtiyacınız varsa, barındırılan API ucuz. DeepInfra'nın dakika başına 0,002$ fiyatıyla bir saatlik kayıt 0,12$ ve 1.000 saat 120$ tutar. OpenRouter'ın saniye başına 0,000033$ fiyatı, aynı sağlayıcıya yönlendirilerek saat başına yaklaşık 0,119$'a denk gelir.

DeepInfra'nın API sayfasından alınan minimal bir DeepInfra isteği:

curl -X POST \
  -H "Authorization: bearer $DEEPINFRA_API_KEY" \
  -F audio=@meeting.mp3 \
  'https://api.deepinfra.com/v1/inference/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B'

Yanıt, text, başlangıç ve bitiş zamanlarıyla segments, words ve algılanan language içerir. API kılavuzumuz anahtarları, yanıt alanlarını ve maliyetleri ayrıntılı olarak ele alıyor.

Kodlama aracınızın uç noktayı Apidog CLI ile test etmesine izin verin

İster kendi sunucunuzda barındırın ister DeepInfra kullanın, bir transkripsiyon boş veya yanlış dilde geldiğinde yüksek sesle başarısız olan bir kontrole sahip olmak istersiniz. Bu işi JSON'a göz atarak yapmak yerine kodlama aracınıza ve Apidog CLI'ya verin.

npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com   # pick Claude Code, Codex, Cursor or OpenCode

Ardından aracınıza tek bir istem verin:

In Apidog project <id>, create a test case for POST {{baseUrl}}/v1/inference/nvidia/NVIDIA-Nemotron-3.5-Transcribe-30B-A4B
that uploads samples/hello.mp3 as the "audio" form field, asserts status 200, a non-empty "text",
"language" equal to "en", and at least one item in "words", then run it against the
deepinfra environment and summarize any failures.

Araç şemayı okur, yükünü doğrular, test durumunu yazar ve çalıştırır:

apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -r cli,json

API'den kendi sunucunuzda barındırmaya geçtiğinizde ortamı yerel sunucunuza işaret edecek şekilde değiştirin. Aynı apidog run komutu -r junit ile CI'ya düşer; kurulum için Apidog CLI'yı bir CI/CD iş akışında çalıştırma ve Claude Code'da Apidog CLI yazılarına bakın.

Ona güvenmeden önce bilinmesi gereken sınırlar

• Yalnızca çevrimdışı. Akış yapmaz. NVIDIA, canlı ses için ayrı bir Nemotron 3.5 ASR Streaming modeline işaret ediyor.
• Ses soru-cevap yalnızca İngilizce. Transkripsiyon 40 dili kapsar, ancak ses anlama ve sesli talimatlar yalnızca İngilizce olarak değerlendirilmiştir.
• Konuşmacı etiketleri kimlik değildir. <spk:0> "ilk ses" anlamına gelir, adı belirtilen bir kişi değil.
• Uzun çıktıların alana ihtiyacı var. Yoğun bir saatlik konuşma yaklaşık 20.000 çıktı jetonu üretebilir, bu nedenle max_new_tokens değerini buna göre ayarlayın.
• Halüsinasyon görebilir. Kart, belirsiz ses için "makul bir transkript üretebileceği" konusunda uyarır. Hukuki veya tıbbi her şeyi gözden geçirin.

SSS

Nemotron 3.5 Transcribe ticari kullanım için ücretsiz mi? Evet. OpenMDW-1.1 lisansı ağırlıkların ticari ve ticari olmayan kullanımına izin verir. Barındırılan API'ler hesaplama için ücret alır.

Ücretsiz Nemotron 3.5 Transcribe API anahtarı var mı? 29 Ekim 2026'da bulduğumuz kadarıyla yok. DeepInfra ve OpenRouter ücretlidir ve henüz build.nvidia.com'da değil. Bunu, ücretsiz deneme uç noktası alan Nemotron Nano 12B v2 VL için NVIDIA'nın ücretsiz API'si ile karşılaştırın.

Bir Mac'te çalıştırabilir miyim? Resmi listeden değil. Desteklenen çalışma zamanları Linux veya Windows'ta (WSL2) NVIDIA GPU'larını hedefler. GGML desteği yalnızca RTX 5090 ve RTX PRO 6000 için listelenmiştir.

Whisper ile nasıl karşılaştırılır? 28 Ekim leaderboard'unda ortalama %5,33 WER, whisper-large-v3 için %7,16'ya karşı. OpenAI'nin barındırılan seçeneği için Whisper API kılavuzumuza ve tam alan için en iyi açık kaynak konuşmadan metne modelleri sıralamamıza bakın.

MP3 destekliyor mu? Evet. WAV, FLAC, MP3, OGG veya 16 kHz mono PCM'ye çözülen her şeyi kabul eder. Diğer formatları dönüştürmek için FFmpeg kullanın.

Sonuç

Nemotron 3.5 Transcribe, önemli olduğu yerde ücretsizdir: ağırlıklar, lisans ve NVIDIA'nın demosu. Kalite kontrolü için Space'i deneyin, sınırsız özel kullanım için bir H100, L40S veya RTX 5090'da kendi sunucunuzda barındırın ve donanımınız olmadığında saat başına 0,12$ ile DeepInfra'ya dönün. Hangi yolu seçerseniz seçin, kötü bir transkriptin asla üretime ulaşmaması için aracınızın uç noktada Apidog kontrollerini çalıştırmasına izin verin.