Dentmas.id – Raksasa teknologi Nvidia kembali menggegerkan dunia kecerdasan buatan melalui peluncuran inovasi terbarunya yang super canggih, yakni Nemotron 3.5 Transcribe. Di samping itu, teknologi AI mutakhir ini tidak hanya sekadar bertugas mendengarkan suara lalu mengubah rekaman audio menjadi teks tulisan secara instan, melainkan ia juga sanggup menerjemahkan percakapan secara teratur sekaligus menjawab berbagai pertanyaan rumit seputar seluruh isi rekaman tersebut secara terintegrasi dan otomatis.
Secara resmi, perusahaan semikonduktor ternama ini meluncurkan model berfitur lengkap dengan nama NVIDIA-Nemotron-3.5-Transcribe-30B-A4B tepat pada hari Rabu, 28 Oktober 2026 yang lalu. Oleh sebab itu, para pengamat dan praktisi teknologi di seluruh belahan dunia langsung menyambut gembira kehadiran amunisi AI super modern yang siap merevolusi cara manusia mengolah dokumen suara ini.
Menariknya, Nvidia sengaja merilis kecerdasan buatan mutakhir ini dengan skema open-weight yang sangat bersahabat bagi komunitas developer. Oleh karena itu, para pengembang perangkat lunak dari berbagai belahan dunia kini dapat mengunduh berkas file model tersebut secara cuma-cuma, sekaligus menjalankannya secara mandiri menggunakan infrastruktur server lokal milik mereka sendiri tanpa rintangan teknis.
Lebih lanjut, tim insinyur Nvidia mengungkapkan bahwa model raksasa ini mengusung sekitar 4 miliar parameter aktif dari total puluhan miliar parameter internal yang tersusun rapi di dalamnya. Secara teknis, parameter tersebut merepresentasikan variabel penting yang dipelajari oleh model AI selama proses pelatihan intensif, sehingga besaran angka fantastis ini kerap menjadi tolok ukur utama bagi para praktisi untuk menilai seberapa besar kapasitas, efisiensi, dan tingkat kecerdasan sebuah model AI modern.
Fitur Canggih: Serba Otomatis Cukup Lewat Perintah Teks
Hebatnya lagi, hanya dalam satu kali eksekusi pemrosesan yang amat singkat, sistem kecerdasan buatan ini langsung mampu mendeteksi keberadaan suara manusia, mentranskripsikan ucapan lisan secara presisi, menyematkan label identitas pada setiap pembicara, hingga menjawab berbagai pertanyaan analitis seputar substansi isi rekaman audio tersebut. Maka dari itu, efisiensi kerja para profesional dipastikan bakal melonjak drastis secara signifikan.
Di samping kehebatan teknisnya, para pengguna dapat mengatur seluruh hasil keluaran AI ini secara sangat praktis hanya dengan memberikan perintah teks sederhana atau prompt. Sebagai contoh nyata, pengguna cukup memasukkan instruksi perintah seperti “Transkripsikan rekaman ini dan beri label pada tiap pembicara”, “Terjemahkan audio ini ke bahasa Inggris secara akurat”, atau kalimat analitis seperti “Keputusan penting apa saja yang telah diambil dalam rapat ini?”, lalu sistem AI akan menyajikan jawabannya secara instan.
Dukungan Bahasa Indonesia dan Percakapan Bahasa Campuran
Kabar yang paling menggembirakan bagi masyarakat Tanah Air adalah fakta bahwa Nemotron 3.5 Transcribe ternyata telah resmi mendukung hingga 40 bahasa internasional terkemuka, termasuk bahasa Indonesia. Oleh sebab itu, kepastian informasi ini sudah dapat dipantau langsung oleh para pengembang melalui halaman resmi model di platform Hugging Face, yakni sebuah situs komunitatif utama tempat para developer global saling membagikan serta mengunduh berbagai inovasi model AI terkini.
Berdasarkan rincian dokumentasi di halaman resmi tersebut, kemampuan bahasa Indonesia saat ini dimasukkan ke dalam kategori Supported khusus untuk fitur transkripsi suara menjadi teks. Meskipun demikian, kita perlu memahami bahwa tingkatan Supported ini sebenarnya masih menjadi level dukungan paling dasar dalam hirarki standar Nvidia, karena posisinya berada tepat di bawah tingkatan yang lebih matang seperti Leading maupun Production-ready.
Akan tetapi, kecerdasan buatan buatan Nvidia ini rupanya sudah sangat piawai dalam mengolah dan mentranskripsi ucapan lisan yang mencampurkan bahasa Indonesia dengan bahasa asing lain (code-switching). Oleh sebab itu, kebiasaan percakapan khas masyarakat kita sehari-hari—yang sangat sering menyelipkan istilah atau kalimat bahasa Inggris di tengah-tengah bahasa Indonesia—dapat dicerna dan dicatat oleh model AI ini tanpa mengalami hambatan yang berarti.
Sayangnya, fitur penerjemahan percakapan otomatis secara langsung untuk bahasa Indonesia ternyata belum tersedia pada rilis perdana ini. Untuk saat ini, fungsi penerjemahan audio baru mendukung sekitar 31 bahasa dunia, yang mana seluruh proses konversi bahasa tersebut masih terbatas dilakukan dari dan menuju bahasa Inggris saja.
Akurasi Tinggi, Performa Kilat, dan Akses Terbuka
Meskipun terdapat beberapa keterbatasan di tahap awal, pihak Nvidia menegaskan bahwa para pengembang dapat dengan mudah menyesuaikan model ini agar lebih relevan untuk bidang spesifik melalui metode pelatihan tambahan atau fine-tuning. Sebagai gambaran nyata, pada pengujian yang dilakukan oleh Eka Care untuk merekam ucapan istilah medis yang rumit di India, tingkat kesalahan kata (word error rate) awalnya sempat menyentuh angka 30,8 persen saat model beroperasi polos tanpa adanya penyesuaian khusus.
Selanjutnya, ketika para ahli memberikan perintah prompt yang lebih presisi dan spesifik, tingkat kesalahan kata tersebut langsung merosot tajam dari 30,8 persen menjadi 20,8 persen. Tak berhenti di situ, setelah para pengembang melatih ulang model melalui proses fine-tuning yang mendalam, angka kesalahan transkripsi tersebut kembali terpangkas secara dramatis hingga tersisa hanya 11,8 persen saja.
Di samping proses penyesuaian model yang fleksibel, Nvidia memanfaatkan kumpulan data suara raksasa bernama Granary v2 untuk melatih kecerdasan buatan ini. Dataset multibahasa yang terbuka bagi publik ini mengumpulkan hingga 843.579 jam rekaman audio dalam 48 bahasa berbeda, di mana volume tersebut melonjak drastis dari versi Granary v1 sebelumnya yang hanya mencakup sekitar 643.000 jam audio dari 25 bahasa. Namun demikian, pihak Nvidia mengklarifikasi bahwa angka fantastis tersebut merupakan isi dataset yang dipublikasikan ke umum, bukan keseluruhan total data mentah yang digunakan untuk melatih model secara internal.
Dilihat dari sudut pandang efisiensi perangkat keras, model mutakhir ini tergolong sangat hemat resources karena sanggup berjalan dengan mulus hanya menggunakan satu unit GPU Nvidia saja. Oleh karena itu, pengembang dapat menentukan pilihan perangkat keras yang sangat fleksibel, mulai dari modul komputer mini untuk robotika dan perangkat pintar seperti Jetson AGX Thor, komputer desktop bertenaga DGX Spark, hingga GPU kelas pusat data berbasis arsitektur Blackwell.
Bahkan, pihak manajemen Nvidia secara percaya diri mengeklaim bahwa satu unit GPU Blackwell Server Edition mampu melahap dan memproses file audio berdurasi 100 jam penuh dalam kurun waktu kurang dari tiga menit saja. Akibatnya, lompatan kecepatan pemrosesan data audio berskala raksasa ini dipastikan bakal menetapkan standar baru di industri pengolahan suara global.
Kecepatan pemrosesan yang begitu fantastis tersebut rupanya berhasil dicapai karena Nvidia menerapkan format data kuantisasi 4-bit yang jauh lebih efisien dan ringan bernama NVFP4 selama proses pengujian intensif berlangsung, sebagaimana telah dihimpun dari laporan berita teknologi terpercaya SiliconAngle.
Pada akhirnya, para pengembang kini sudah bisa mengunduh berkas lengkap model AI ini secara langsung melalui platform utama seperti Hugging Face, GitHub, NVIDIA GPU Cloud (NGC), serta situs build.nvidia.com. Selain itu, Nvidia mengedarkan model ini di bawah skema lisensi OpenMDW-1.1, yang mana lisensi resmi tersebut memberikan kebebasan penuh kepada pengguna untuk memanfaatkan AI ini baik demi kebutuhan riset non-komersial maupun pengembangan produk komersial berskala industri.
Temukan juga berbagai berita terbaru lainnya hanya di Exposenews.id.
