NVIDIA 发布开源语音转写模型 Nemotron 3.5 Transcribe

你的 RTX Spark 更新刚刚推送。👀 🟢 用 NVIDIA Nemotron 3.5 Transcribe 转写并翻译复杂音频 🟢 在本地运行 @liquidai 的新 LFM3 模型 🟢 NVIDIA App 中的资源管理控制 🟢 畅玩新游戏，还有 RTX Remix 更新

NVIDIA 发布 Nemotron 3.5 Transcribe，一个开源权重的 30B MoE 语音模型，激活参数约 4B，支持提示词调用。单个检查点集成 40 种语言转录、说话人归属、翻译、上下文提示和音频理解，视频演示了多人同时说话时区分谁在说什么的效果。

NVIDIA 发布开源权重语音模型 Nemotron 3.5 Transcribe（30B-A4B，许可证 openmdw-1.1），可将最长一小时的录音转为可搜索转录、说话人标注、翻译和问答。

Artificial Analysis 评测显示，NVIDIA 新发布的开源权重语音转文字模型 Nemotron 3.5 Transcribe 在 AA-WER Index 上得 2.8%，与 Mistral Voxtral Small 并列开源权重模型第一。

Nvidia 发布免费开放权重的语音转写模型 Nemotron 3.5 Transcribe，支持最多 40 种语言，并同步发布开源语音数据集 Granary 2。该模型可将 31 种语言与英语互译，处理最长一小时的录音，区分最多 8 个说话人，300 亿参数可运行在 Jetson AGX Thor、DGX Spark 到 Blackwell 等单芯片上；限制是仅支持录音而非实时音频流。

NVIDIA 发布开放权重、可提示词控制的语音模型 Nemotron 3.5 Transcribe，将转录、说话人归属、翻译和音频问答合并到一个 checkpoint，已上线 Hugging Face 和 ModelScope。