英伟达开源多语言转写模型 Nemotron 3.5 Transcribe
先了解这件事
英伟达发布开放权重语音模型 Nemotron 3.5 Transcribe，已在 Hugging Face 和 ModelScope 上线，把转写、说话人分离、翻译和音频问答整合进一个 checkpoint，并同步推出 Granary v2 语音数据管线。模型支持 40 种语言转写、31 种语言与英语互译，可处理最长 1 小时录音并区分最多 8 位说话人；英伟达称其可在单张 GPU 上运行，覆盖 DGX Spark 到 Blackwell 数据中心系统，并在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。 使用限制方面，该模型只面向录制音频，不用于实时流式转写；各语言支持的功能不同，英伟达称音频问答功能仅以英语训练。配套语料的源音频需按各语料原许可单独下载，并遵循发布条款。 后续报道补充了模型规格与许可细节：MarkTechPost 称其总参数约 34B、激活参数约 4.3B，OpenMDW-1.1 许可允许商用，但服务优化尚未开源，英伟达预计发布日 vLLM 路径约慢一倍，且中文会议与中英混说仍是弱项。TechCrunch 此前给出的参数量为 30B。
AI 根据报道生成 · 3 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- MarkTechPostNVIDIA 发布 Nemotron 3.5 Transcribe 开源语音模型，支持 40 种语言转写
NVIDIA 发布 Nemotron 3.5 Transcribe，这是一个开放权重的语音 LLM，支持 40 种语言、单次最长 1 小时音频，总参数约 34B、激活参数约 4.3B。
- 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，支持 40 种语言转写、31 种语言与英语互译，并能在 13 种语言中识别说话人。
- 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，并支持 31 种语言与英语互译。该模型参数量 30B，可处理最长 1 小时的录音、区分最多 8 位说话人，官方称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。
- Hugging Face Blog精选NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线
NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答合并到一个 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。
本事件热度走势
- 可比范围当前
- 0
- 可比范围峰值
- 2910月29日 00:00
- 近 24 小时变化
- -100%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。