英伟达开源语音转写模型Nemotron 3.5 Transcribe

英伟达发布免费开放权重的语音模型 Nemotron 3.5 Transcribe，可转写最多 40 种语言、31 种语言与英语互译、识别 13 种语言的说话人，支持最长一小时、最多 8 位说话人的录音，并通过文本指令控制输出转写、翻译或摘要；同时开源 Granary 语音数据集第 2 版，模型与数据集已上线 Hugging Face。 该模型有 300 亿参数，英伟达称其可在单块芯片上运行，覆盖 Jetson AGX Thor、DGX Spark 到 Blackwell 数据中心芯片；模型仅处理录制音频，不支持实时流。英伟达还建议为定制版本至少留出 100 条真实核验录音用于测试。

AI 根据报道生成 · 6 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。