Nvidia 发布开源语音转写模型 Nemotron 3.5 Transcribe，支持 40 种语言

TechCrunch：AI· Julie Bort·2026-10-28 23:00· 2 小时前AI 评分65

语音 AI 正当红：Nvidia 发布全新开放转写模型

AI 导读

Nvidia 发布免费开放权重的语音转写模型 Nemotron 3.5 Transcribe，支持最多 40 种语言，可处理最长 1 小时的录音并区分最多 8 个说话人，还同步发布了第 2 版开源语音数据集 Granary。

正文 · 原文

简讯

发布于：

太平洋夏令时 2026 年 10 月 28 日上午 8:00

Nvidia 周三发布了 Nemotron 3.5 Transcribe，这是一款免费、开放权重的模型，可转写最多 40 种语言的音频。该公司还发布了其开源语音数据集 Granary 的第 2 版。

Nvidia 宣称，Nemotron 3.5 可在 31 种语言与英语之间互译，可处理最长一小时的录音，并能区分最多 8 个说话人。该公司称其在基准测试中胜过竞争对手，包括 Hugging Face 的 Open ASR Leaderboard。

这些工具面向为企业会议和医疗转写开发应用的开发者，这是 AI 在工作场所最成熟的两个应用领域。Nvidia 表示，开发者可以使用该模型、更新后的 Granary 数据集以及其 NeMo Speech 模型等工具，定制应用以识别各语言中的行业术语。一个缺点：Transcribe 只处理录制音频，不支持直播流。

尽管如此，该公司承诺，拥有 300 亿参数的 Transcribe 可在单颗芯片上运行，从 Jetson AGX Thor 机器人控制器和为新款笔记本电脑提供动力的 DGX Spark 芯片，到 Blackwell 数据中心芯片均可。它加入了 Nvidia 的开放权重语音模型阵营，其中包括超小却强大的 Parakeet（11 亿参数）。

Nvidia 最新的语音产品正值 AI 语音发布密集期：Mistral 本月早些时候推出了 Voxtral 3 ；ElevenLabs 推出了用于语音代理即时语音的 Realtime；Salesforce 发布了其语音模型 Launa-Omni。

来源：TechCrunch：AI · techcrunch.com