NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe
先了解这件事
NVIDIA 发布开放权重语音转文本模型 Nemotron 3.5 Transcribe，已在 Hugging Face 和 ModelScope 提供，并同步将开源语音数据集 Granary 更新至第 2 版。该模型总参数 30B、每步约 4B 激活，可运行在单张 Nvidia GPU 上；单一模型支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人分离和音频问答，可处理最长一小时、最多 8 个说话人的录音，并支持用指令控制输出形式。它面向录制音频，不用于实时流；NVIDIA 称音频问答功能以英文训练，且各语言支持的功能不同。 在 Artificial Analysis 的 AA-WER Index 上，该模型以 2.8% 词错误率与 Mistral Voxtral Small 并列开放权重第一。 若不自托管，可使用 Baseten、DeepInfra 或 Simplismart 的托管端点；下载源音频需按各语料原始许可单独获取，并遵守发布条款。NVIDIA 称其数据集与模型训练数据并不完全匹配，建议在构建定制版本时预留至少 100 条真实、经核验的录音用于测试。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The DecoderNvidia 发布开源语音模型 Nemotron 3.5 Transcribe，整合转写、翻译与说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可在单一模型中完成转写、翻译和说话人识别，并支持用指令控制输出形式。该模型总参数 30B、每步约 4B 激活，可运行在单张 Nvidia GPU 上，支持 40 种语言转写、31 种语言与英语互译、13 种语言的说话人识别，最长处理 1 小时、最多 8 位说话人的录音。
- RadarAINvidia 开源 Nemotron 3.5 Transcribe 语音识别模型，集成转写、翻译和说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可转写 40 种语言、在 31 种语言与英语间互译、识别最多 8 个说话人，支持最长 1 小时录音，并能通过提示词控制输出或回答音频内容问题。
- RadarAINVIDIA 发布 Nemotron 3.5 Transcribe，2.8% WER 并列开放权重语音转文本第一
NVIDIA 发布开放权重非流式语音转文本模型 Nemotron 3.5 Transcribe，在 Artificial Analysis 的 AA-WER Index 上以 2.8% WER 与 Mistral Voxtral Small 并列开放权重第一。
- TechCrunch · AI英伟达发布开源语音转写模型 Nemotron 3.5 Transcribe
英伟达发布免费开源权重模型 Nemotron 3.5 Transcribe，可转写最多 40 种语言的音频，并同步更新开源语音数据集 Granary 至第 2 版。
- RadarAINvidia 发布开源语音转写模型 Nemotron 3.5 Transcribe，支持 40 种语言
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，同时发布第 2 版开源语音数据集 Granary。
- RadarAINVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe 及 Granary v2 数据管线
NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe，已在 Hugging Face 和 ModelScope 提供，单一模型支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人分离和音频问答，可处理最长一小时、最多 8 个说话人的录音。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。