NVIDIA 开源语音识别模型 Nemotron 3.5 Transcribe 以 2.8% WER 并列开源第一
ArtificialAnlys · x · 2026-10-28
Artificial Analysis 发布评测：NVIDIA 新开源的语音转文字模型 Nemotron 3.5 Transcribe（总参数 30B，激活仅 4B，面向非流式转写）以 2.8% WER 与 Mistral Voxtral Small 并列开源权重模型第一，且超越 NVIDIA 自家此前的 Canary Qwen 2.5B（4.3%）与 Thinking Machines 的 Inkling（3.5%）。
- 效率突出：4B 激活参数即达到 Voxtral Small（24B 激活）的精度，激活参数少 6 倍；同等规模的开源模型 WER 多在 4% 左右。
- 语音 Agent 场景最强：在 AA-AgentTalk（语音代理对话数据集）上 WER 仅 1.8%，优于 Voxtral Small 的 2.3%。
- 速度与成本：在 DeepInfra 端点实测 Speed Factor 75x（1 分钟音频不到 1 秒转完），价格约 $2.00/千分钟音频。
所属事件:NVIDIA 开源语音转录模型 Nemotron 3.5 Transcribe 登顶(6 条相关)→
「模型」频道最新
- HF 工程师玩神经元的脑外科手术：改一个神经元 Qwen 变预言家 — LysandreJik · 2026-10-28
- Surge AI在Kaggle Bench Summit谈基准的未来：更像真实工作 — echen · 2026-10-28
- Artificial Analysis 复测 DeepSeek 新版:原评测变差或因 Fireworks 推理波动 — teortaxesTex · 2026-10-28
- 订阅补贴下的模型性价比图：DeepSeek V4.1 Flash 以免费杀入前沿 — teortaxesTex · 2026-10-28
- 2 万条实测数据：前沿模型卡在哪，Agent Arena 投诉率揭示三大差距 — arena · 2026-10-28
- Nemotron-3.5-Transcribe 接入 vLLM：原生语音塔+FP8/NVFP4 推理 — aakashgupta · 2026-10-28