NVIDIA 开源语音模型 Nemotron 3.5 Transcribe:30B MoE 仅 4B 激活参数
NVIDIAAI · x · 2026-10-28
NVIDIA 发布开源权重、可提示的语音转录模型 Nemotron 3.5 Transcribe(30B MoE,约 4B 激活参数),将多语言转录、说话人分离、翻译与音频问答整合进单一模型:支持 40 种语言转录、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、最多 8 个说话人的录音,并支持自然语言指令控制输出(如添加说话人标签、翻译、PII 脱敏)。
主要成绩:
- Hugging Face Open ASR 英文榜开源模型第一,平均 WER 5.33%
- Artificial Analysis 榜 WER 2.81%,接近 Voxtral Small 的 2.77%,但激活参数仅约其 1/6
- VoiceArena 14 系统说话人分离+ASR 对比第一,David AI 多语言分离基准第一(DER 18.26)
配套发布开源数据管线 Granary v2 与 NeMo 微调工具:医疗 ASR 案例中,微调相较最优提示使 WER 相对下降 45.8%。模型已上架 Hugging Face 与 ModelScope。
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