英伟达开源 Nemotron 3.5 Transcribe，语音基准领先且参数仅对手 1/6
The Decoder · rss · 2026-10-28
英伟达发布开源语音识别模型 Nemotron 3.5 Transcribe，单一模型同时支持转录、说话人识别和翻译，并可通过文本 prompt 接受指令。
- 在多个 benchmark 上领先，而激活参数量仅为最强开源竞品的六分之一
- 同步发布超过 80 万小时语音数据集及微调工具
「多模态」频道最新
- Fizgig H3 静态图 Latent 节点可嵌入任意 ComfyUI 工作流 — robertwellesley · 2026-10-29
- Reddit 猜谜帖展示本地模型生成的照片级人像，真假难辨 — Licovoda · 2026-10-29
- 博主称 OpenAI Terra 是物理感知的成本质量双重突破 — arnabdotorg · 2026-10-29
- Artificial Analysis TTS 榜：AssemblyAI-TTS-1 以 162 字符/秒登顶速度榜 — ArtificialAnlys · 2026-10-29
- AssemblyAI-TTS-1 生成速度 162 字符/秒居首，$15/百万字符定价进第一梯队 — ArtificialAnlys · 2026-10-29
- AssemblyAI-TTS-1 发音鲁棒性得分 81.7% 排第 16，缩写展开是短板 — ArtificialAnlys · 2026-10-29