NVIDIA 开源语音模型刷出 4.62% 多语言 WER,Mamba-Transformer 混合架构
vllm_project · x · 2026-10-28
NVIDIA NeMo Speech 开放权重 ASR 模型成绩：英文 Open ASR 开源第一（5.33% WER），多语言在 7 种语言上平均 4.62% WER。架构为音频编码器 + Mamba–Transformer 混合 MoE，含编码器在内约 4.3B 激活参数。
同事件部署细节见配套帖：可通过 vLLM 0.32.0 插件以 OpenAI 兼容接口和 MTP 投机解码部署。
所属事件:NVIDIA 开源 Nemotron 3.5 Transcribe 30B 语音模型(10 条相关)→
「模型」频道最新
- MiniMax M3.1 Flash 登 Artificial Analysis 榜单,厂商回应用户质疑 — zacharynado · 2026-10-29
- Andon Labs 新基准:AI 在物理 3D 理解上追平人类 — ResultBackground2450 · 2026-10-29
- LMArena 推出面向 Agent 能力的竞技场评测 — allenainie · 2026-10-29
- Reddit 用户分享 Gemini Carbon Arena 评测结果 — Bazinga8000 · 2026-10-29
- 为何此刻发布 Gemini 4 Carbon:两种解读,追赶不及或流程拖累 — Angaisb_ · 2026-10-29
- 网友实测称 Gemini 4.0 checkpoint 已落后于 Sonnet,下周两大模型齐发 — zacharynado · 2026-10-29