NVIDIA发布开源语音模型Nemotron 3.5 Transcribe

NVIDIA 发布免费开放权重的语音转写模型 Nemotron 3.5 Transcribe，并同步发布开源语音数据集 Granary 第 2 版。该模型支持最多 40 种语言转写，只处理已录制的音频，不支持实时流式转写。 据 The Decoder 报道，用户可用文本指令控制同一段录音，输出带说话人标签的转写、英文翻译或内容摘要；模型支持 31 种语言与英文互译、13 种语言说话人识别，可处理最长 1 小时、最多 8 人的录音。模型总参数 30B、每步约 4B 激活，可在单张 Nvidia GPU 上运行。NVIDIA 称其在多项基准测试中领先，但报道未给出转写准确率等实际效果数据。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。