NVIDIA 发布 Nemotron 3.5 Transcribe，2.8% WER 并列开放权重语音转文本第一

Artificial Analysis· @ArtificialAnlys · X·2026-10-28 23:05· 35 分钟前AI 评分57

AI 导读

NVIDIA 发布开放权重语音转文本模型 Nemotron 3.5 Transcribe，在 Artificial Analysis 非流式榜单上以 2.8% WER 与 Mistral Voxtral Small 并列开放权重第一，总参数 30B、激活 4B。

正文 · 原文

NVIDIA 的 Nemotron 3.5 Transcribe 以 2.8% WER 在开放权重语音转文本模型中并列第一，仅使用 4B 激活参数

Nemotron 3.5 Transcribe 是 NVIDIA 新推出的开放权重语音转文本模型，用于非流式转录，总参数 30B、激活参数 4B，是我们非流式语音转文本排行榜上最准确的 NVIDIA 模型。

要点

➤ 准确率：Nemotron 3.5 Transcribe 在 AA-WER 指数上得分为 2.8%，与 Mistral 的 Voxtral Small 并列开放权重模型第一。在我们用于语音智能体对话的数据集 AA-AgentTalk 上，它以 1.8% 对 2.3% 领先 Voxtral Small。

➤ 模型规模：Nemotron 3.5 Transcribe 拥有 4B 激活参数（总参数 30B），在 AA-WER 与激活参数的关系上处于开放权重前沿。它以少 6 倍的激活参数（4B 对 24B）达到与 Mistral 的 Voxtral Small 相同的准确率，而其他规模相近的开放权重模型 WER 约为 4%。

祝贺 @NVIDIAAI 发布！

更多详情见下方 ⬇️

来源：Artificial Analysis · x.com