Nvidia发布Nemotron 3.5 Transcribe开源转录模型

Nvidia 发布了开源语音识别模型 Nemotron 3.5 Transcribe，该模型整合了语音转写、翻译和说话人识别功能。该模型拥有 300 亿参数（每步激活约 40 亿），支持 40 种语言转写、31 种语言翻译及 13 种语言的说话人识别，在多项基准测试中表现优异。

NVIDIA 发布了 Nemotron 3.5 Transcribe 非流式语音转文本模型，总参数量 30B、活跃参数量 4B。该模型在 AA-WER 指数上获得 2.8% 的错误率，与 Mistral 的 Voxtral Small 并列开源权重语音转文本模型第一。

NVIDIA 宣布 RTX Spark 笔记本迎来多项更新，推出开源语音模型 NVIDIA Nemotron 3.5 Transcribe、NVIDIA App 资源管理控制功能，并支持 Liquid AI 的 LFM3 模型及多款游戏与 RTX Remix 1.6 升级。

Nvidia 发布了 Nemotron 3.5 Transcribe，这是一个免费的开源权重模型，支持多达 40 种语言的音频转写并同步推出了 Granary 语音数据集的 2.0 版本。该模型拥有 300 亿参数，支持单芯片运行，可处理长达一小时的录音并区分最多八个说话人。

NVIDIA 发布了开放权重语音模型 Nemotron 3.5 Transcribe 及 Granary v2 数据管线，模型支持多语言转写、说话人识别、翻译和音频问答。该模型采用 Mamba–Transformer 混合架构，在 Hugging Face Open ASR 榜单上居开源模型首位，已在 Hugging Face 与 ModelScope 开放。