Nvidia 发布 Nemotron 3.5 Transcribe 开放权重语音转录模型
Voice AI in vogue: Nvidia releases new open transcription model
Nvidia 发布开放权重转录模型 Nemotron 3.5 Transcribe，支持最多 40 种语言，并推出开源语音数据集 Granary v2。公司称，该模型可在英语与 31 种语言之间双向翻译，处理最长 1 小时录音、区分最多 8 位说话者，并在 Hugging Face Open ASR Leaderboard 等基准上超过竞争对手。
开放权重与单芯片运行范围，结合语言支持、录音时长和基准信息，为会议及医疗转录场景的模型选型提供具体参考。
译文尚不完整，完整内容请切换到原文。
简讯
发布于：
8:00 AM PDT · October 28, 2026
Nvidia 周三发布了 Nemotron 3.5 Transcribe，这是一款免费、开放权重的模型，可转录多达 40 种语言的音频。它还发布了其开源语音数据集 Granary 的第 2 版。
Nvidia 宣称，Nemotron 3.5 可将 31 种语言与英语相互翻译，处理长达一小时的录音，并区分最多八位说话者。它声称自己在包括 Hugging Face 的 Open ASR Leaderboard 在内的基准测试中击败了竞争对手。
这些工具面向为商务会议和医疗转录开发应用的开发者，而这两大领域是 AI 在职场中最成熟的立足点。Nvidia 表示，开发者可以使用该模型、更新后的 Granary 数据集以及 NeMo Speech 模型等工具，对应用进行定制，让其识别各语言中的行业术语。一项缺点是：Transcribe 支持录制音频，而不支持实时音频流。
Still, the company promises Transcribe, at 30 billion parameters, can run on a single chip, from the Jetson AGX Thor robotics controller and DGX Spark chip powering new laptops, to Blackwell datacenter chips. It joins Nvidia’s open-weight voice models, including the super small yet powerful Parakeet (1.1 billion parameters).
Nvidia 最新的语音产品亮相正值 AI 语音产品密集发布期：Mistral 推出 Voxtral 3 于本月早些时候；ElevenLabs 推出 Realtime，为语音代理提供即时语音；Salesforce 发布了 Launa-Omni，这是其语音模型。
来源：TechCrunch · techcrunch.com