NVIDIA Nemotron Transcribe: Pilih Bentuk Transkrip Sesuai Kebutuhan

Pilih bentuk transkrip sebelum memproses rekaman

Pilih keluaran berdasarkan pekerjaan yang akan dilakukan: mempertahankan kutipan, membuat catatan yang nyaman dibaca, mengenali istilah khusus, membedakan pembicara, atau menemukan posisi kata dalam audio. Satu bentuk transkrip tidak otomatis memenuhi semua tujuan tersebut.

NVIDIA merilis Nemotron 3.5 Transcribe pada 28 Oktober 2026 dengan pilihan tugas transkripsi yang dapat diarahkan melalui permintaan. Dengan acuan dokumentasi per 4 November 2026, kemampuan itu mencakup transkripsi verbatim, bentuk tulisan, transkripsi berkonteks, atribusi pembicara, dan penanda waktu kata yang diminta.

Model, bobot yang dirilis, dan komponen penyajian seperti NIM merupakan bahan untuk pengembang membangun layanan. Ketersediaannya bukan pengumuman aplikasi Android siap pakai atau fitur yang otomatis muncul dalam Voice Notes FoneClaw.

Jika kebingungannya masih antara dikte, penulisan ulang, dan transkripsi rekaman, gunakan Input Suara, Dikte, Penulisan Ulang AI, atau Transkripsi di Android?. Setelah jenis pekerjaannya jelas, barulah tentukan bentuk keluaran yang perlu dipertahankan.

Pisahkan kutipan asli dari catatan yang dirapikan

Verbatim berguna ketika cara seseorang mengucapkan sesuatu perlu dipertahankan. Bentuk tulisan berguna ketika Anda ingin membaca isi tanpa seluruh keraguan atau pengulangan ujaran. Perbedaannya bukan izin untuk mengubah maksud pembicara.

Contoh berikut sepenuhnya fiktif dan ditulis untuk menjelaskan pilihan keluaran. Ini bukan ucapan peserta nyata maupun hasil pemrosesan model.

Bentuk kedua menghapus keraguan dan merapikan penulisan angka, tetapi tetap mempertahankan penolakan terhadap angka 50, batas 20 unit, status sebagai usulan, serta tanggal yang belum disepakati. Mengubahnya menjadi keputusan mengirim 20 unit pada tanggal tertentu akan menambahkan informasi yang tidak ada.

Untuk kutipan, gunakan kata-kata yang sudah dicocokkan dengan audio. Jika Anda meringkas atau mengubah susunan kalimat, beri label sebagai parafrasa atau catatan yang dirapikan, bukan kutipan persis. Simpan kedua bentuk secara terpisah bila kebutuhan membaca dan mengutip berbeda.

Tidak ada bentuk yang selalu lebih akurat untuk semua tujuan. Verbatim masih dapat salah mengenali kata, sementara bentuk tulisan dapat terlihat rapi meskipun kehilangan syarat penting. Karena itu, ukuran keberhasilannya adalah kesesuaian dengan tujuan dan sumber, bukan kelancaran kalimat saja.

Pertahankan audio asli agar koreksi dapat dilakukan. Bila tanggal atau penanggung jawab tidak disebut, biarkan belum diketahui. Transkrip tidak boleh mengubah kekosongan bukti menjadi kepastian yang kemudian dipakai untuk bertindak.

Gunakan konteks istilah tanpa mengisi ucapan yang hilang

Penjelasan kemampuan Nemotron 3.5 Transcribe mencakup instruksi bahasa alami dan konteks entitas yang diharapkan. Pilihan gaya dapat diberikan per permintaan tanpa melatih ulang model khusus untuk gaya tersebut.

Siapkan konteks yang singkat dan relevan: nama proyek yang boleh digunakan, ejaan istilah, atau daftar produk yang memang dibahas. Hindari memasukkan seluruh dokumen organisasi ketika hanya beberapa nama diperlukan untuk membantu pengenalan.

Sebagai contoh rancangan instruksi, bukan langkah antarmuka aplikasi tertentu:

Gunakan bentuk verbatim untuk rekaman ini. Daftar istilah yang relevan hanya menjadi petunjuk ejaan, bukan isi yang harus muncul. Pertahankan negasi, koreksi angka, dan pernyataan bersyarat. Bagian yang meragukan perlu diperiksa kembali pada audio.

Daftar nama tidak membuktikan siapa yang berbicara. Jika nama seseorang ada dalam konteks, jangan otomatis memasangkannya dengan satu suara. Nama juga dapat disebut sebagai pihak ketiga yang tidak hadir dalam percakapan.

Periksa istilah yang pengaruhnya besar terhadap kesimpulan. Bila kata terdengar samar, cari posisi terkait dan dengarkan ulang. Konteks yang masuk akal dapat membantu pengenalan, tetapi tidak memberi bukti bahwa kata yang tidak terdengar benar-benar diucapkan.

Bedakan pula tugas transkripsi kaya informasi, penerjemahan ucapan, dan identifikasi bahasa. Terjemahan bukan kutipan dalam bahasa asli; identifikasi bahasa bukan jaminan semua istilah berhasil dikenali. Tentukan keluaran yang diminta dan simpan hubungan dengan sumber agar perubahan bahasa atau gaya tidak mengaburkan bukti.

Jika instruksi tersebut akan dipakai melalui layanan yang dibangun pihak lain, periksa apakah layanan itu benar-benar menyediakan kontrol tugas dan konteks yang diperlukan. Kemampuan model tidak otomatis berarti semua aplikasi yang menggunakannya menampilkan pilihan yang sama.

Periksa label pembicara dan penanda waktu

Atribusi pembicara membantu mengikuti pergantian suara, sedangkan penanda waktu kata dapat membantu menemukan ucapan. Keduanya merupakan alat navigasi dan pemeriksaan, bukan bukti identitas orang, persetujuan perekaman, atau ketepatan suatu klaim.

Periksa bagian ketika peserta berbicara bersamaan, saling menyela, atau mengoreksi angka. Kesalahan atribusi dapat membuat penolakan seseorang terlihat sebagai persetujuan orang lain. Jangan langsung memberi nama pada label pembicara tanpa dasar yang diizinkan dan sudah diperiksa.

Dokumentasi penyajian NVIDIA menjelaskan penyelarasan CTC untuk penanda waktu dan kemungkinan keluaran alignment_error ketika penyelarasan tidak dapat dilakukan. Meminta penanda waktu bukan jaminan setiap kata mendapat posisi yang benar.

Pada dokumentasi nightly yang menjadi acuan, penanda waktu kata memiliki batas satu audio, pemrosesan nonstreaming, dan satu keluaran. Penggunaan DFlash 2 bersama penanda waktu CTC juga belum didukung pada jalur tersebut. Ini merupakan batas konfigurasi yang perlu diperiksa penyedia layanan, bukan pilihan yang dapat diasumsikan tersedia pada semua aplikasi konsumen.

Untuk pengguna rekaman, konsekuensinya sederhana: jika penanda waktu hilang, meleset, atau gagal, kembali ke audio dan catat posisi secara manual. Jangan mengarang waktu agar rujukan terlihat lengkap. Jika aplikasi hanya menampilkan sebagian hasil, tanyakan apakah penyelarasan berhasil atau memang tidak dijalankan.

Gunakan label netral sementara sampai atribusinya jelas. Untuk kutipan penting, dengarkan juga kalimat sebelum dan sesudahnya. Posisi kata yang tepat tetap belum menjelaskan apakah kalimat tersebut merupakan contoh, usulan, penolakan, atau keputusan final.

Periksa batas bahasa, audio, dan durasi

NVIDIA menyebut dukungan 40 bahasa dan rekaman hingga satu jam pada halaman penelitian model. Angka itu tidak membuktikan semua tugas memiliki kualitas yang sama untuk seluruh bahasa, aksen, atau kondisi rekaman.

Dokumentasi teknisnya membatasi evaluasi tanya jawab audio dan pemahaman instruksi yang dijelaskan pada bahasa Inggris. Karena itu, jangan memakai hasil evaluasi tersebut sebagai jaminan kemampuan setara dalam Bahasa Indonesia atau seluruh bahasa lain yang didukung.

Sebelum menggunakan layanan, cocokkan bahasa yang benar-benar diucapkan dengan tugas yang tersedia. Jika percakapan berpindah bahasa, tanyakan dukungan jalur itu secara khusus. Antarmuka berbahasa Indonesia tidak membuktikan transkripsi, penerjemahan, dan pemahaman instruksinya sama-sama didukung untuk rekaman Anda.

Dokumentasi penyajian juga mencantumkan masukan audio mono 16 kHz. Jika diperlukan konversi, pertahankan rekaman asli dan buat salinan turunan untuk pemrosesan. Jangan menimpa satu-satunya sumber hanya demi memenuhi format layanan.

• Untuk rekaman lebih panjang, periksa batas sebelum mengunggah; jangan menganggap pemotongan dan penggabungan otomatis tersedia.
• Jika rekaman terputus, catat bagian yang tidak ada daripada meminta model melengkapinya.
• Jika bahasa atau format tidak didukung, pilih jalur lain yang terdokumentasi, bukan mengganti label bahasa secara sembarang.

Jika pemotongan manual diizinkan dan diperlukan, simpan urutan serta rujukan ke audio asli. Batas antarpotongan dapat memisahkan koreksi dari pernyataan awalnya, sehingga konteks tetap perlu ditinjau. Hasil tolok ukur yang dilaporkan penyedia juga bukan perkiraan pasti untuk rekaman Anda.

Pahami arti luring dan ketersediaan model

Istilah offline ASR dalam dokumentasi NVIDIA merujuk pengenalan ucapan secara kelompok atau nonstreaming, bukan transkrip langsung kata demi kata. Istilah itu tidak otomatis berarti proses berjalan tanpa jaringan pada ponsel pribadi.

Layanan nonstreaming tetap dapat menerima unggahan ke server, kemudian mengembalikan hasil setelah pemrosesan. Sebaliknya, penyebaran lokal memerlukan perangkat lunak, perangkat keras, serta pengaturan yang sesuai. Bedakan cara audio diproses dari tempat audio diproses.

Profil penyajian yang didokumentasikan mencakup BF16 pada H100 80 GB serta FP8 atau NVFP4 pada RTX PRO 6000 Blackwell 96 GB. NVFP4 memerlukan Blackwell pada jalur tersebut. Profil ini menjelaskan konfigurasi yang didokumentasikan, bukan persyaratan minimum universal untuk semua kemungkinan penerapan model.

Ketersediaan berkas seperti GGUF juga bukan bukti bahwa model siap dijalankan pada CPU Android biasa atau kompatibel dengan FoneClaw. Format bobot, dukungan perangkat lunak, kebutuhan memori, dan kemampuan layanan pengguna akhir merupakan pertanyaan yang berbeda.

Sebelum memproses rekaman sensitif, periksa tempat unggahan dikirim, siapa yang menyediakan layanan, dan ketentuan penyimpanan serta penghapusannya. Mengunduh model saja tidak menjamin layanan yang kemudian dipakai tidak menyimpan data. Label luring pun bukan jaminan tanpa penyimpanan atau tanpa pemrosesan pihak lain.

Untuk pengguna yang hanya membutuhkan catatan rekaman, keputusan praktisnya adalah memilih aplikasi atau penyedia yang menjelaskan masukan, keluaran, dan penanganan data dengan jelas. Rilis model memperluas bahan yang dapat digunakan pengembang; ia tidak dengan sendirinya menyediakan alur konsumen siap pakai.

Cocokkan hasil dengan sumber sebelum menggunakannya

Bayangkan satu rapat fiktif berdurasi sepuluh menit yang direkam dengan persetujuan peserta. Gunakan skenario ini sebagai rancangan pemeriksaan pada rekaman berizin Anda sendiri, bukan hasil pengujian model yang telah dilakukan.

Untuk kebutuhan berbeda berupa rekaman pribadi baru di Android, Voice Notes kami di FoneClaw menyediakan perekaman, transkrip, ringkasan, dan bab. Koleksi memilih sedikitnya dua rekaman tersimpan dan menggunakan kembali transkripnya. Panduan Koleksi Rekaman FoneClaw untuk Tinjauan Proyek: Keputusan dan Perubahan menjelaskan alurnya.

Ini bukan pengumuman integrasi Nemotron, pilihan model tersebut dalam plugin, atau pewarisan dukungan 40 bahasa. Plugin gratis memerlukan Agent kompatibel; biaya model, edisi, dan izin perlu diperiksa melalui fitur FoneClaw Agent. Full mendukung plugin APK sesuai pengaturan, sedangkan Play Lite tidak memasangnya.

Peringkasan ulang di Voice Notes memperbarui butir tindakan yang dihasilkan sambil mempertahankan ToDo tersimpan. Penyimpanan tindak lanjut pribadi tetap melalui permintaan terpisah yang didukung, dengan tanggal pilihan Anda atau tanpa jadwal, lalu diperiksa pada catatan aktual.

Untuk pemeriksaan satu rekaman, gunakan Peringkas Audio AI untuk Rekaman Android: Transkrip, Ringkasan, dan Tindak Lanjut. Apa pun jalurnya, pilih bentuk transkrip lebih dahulu, pertahankan audio asli, dan verifikasi bagian yang akan menjadi dasar kutipan atau tindakan.